基于广义可加模型的半监督学习方法
发布时间：2021-05-14 20:11
在当今的大数据时代下,半监督学习方法作为利用无标记数据进行学习的主流技术,在许多应用中发挥了重要的作用。然而,传统半监督学习方法的理论研究和实证分析大多是在随机缺失假设下进行的,即要求有标记数据和无标记数据来自于同一分布,但这在现实生活中是很难满足的。例如在商业银行发放房屋信用贷款问题中,在不同的地区,文化和风俗习惯的不同很有可能使个人的房屋信贷情况有很大的差异;再比如,不同时期人们的信贷情况也有可能随着国家政策或个人家庭收入情况的改变而表现出差异。在这种情况下,若再使用传统的半监督学习方法进行训练,反而可能造成很大误差。本文首先对传统的半监督学习方法进行了归纳概括,分析了各个方法存在的优势、不足以及各自适用的场合,进而针对上述不足,提出了一种新的半监督学习方法——基于广义可加模型和Group Lasso惩罚的半监督学习方法。和传统半监督学习方法一样,该方法将同时利用有标记样本和无标记样本,并对其施加Group Lasso惩罚,最后用块坐标下降算法同时实现参数的估计和变量的选择。本文对提出的新方法进行了模型说明和详细的算法推导,在此基础上,就生活中数据间可能存在的多种关系,将我们的半监...
【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 半监督学习方法
1.2.2 变量选择
1.2.3 信用风险评估和广义可加模型
1.3 研究内容与框架
1.4 文章的创新点
第2章 传统半监督学习方法的介绍
2.1 有监督学习与无监督学习
2.1.1 有监督学习方法
2.1.2 无监督学习方法
2.2 半监督学习的模型设定与基本假设
2.2.1 模型设定
2.2.2 基本假设
2.3 几种经典的半监督学习方法
2.3.1 生成模型
2.3.2 协同训练算法
2.3.3 基于图的半监督学习方法
2.3.4 半监督支持向量机
2.4 本章小结
第3章 基于半监督学习的变量选择与预测
3.1 模型的理论基础
3.1.1 广义半参数可加模型
3.1.2 Group Lasso
3.1.3 块坐标下降算法
3.2 模型设定
3.3 模型的求解
3.3.1 模型的算法
3.3.2 调整参数的选择
3.4 模拟分析
3.4.1 模拟设定
3.4.2 模拟一(P=10)
3.4.3 模拟二(P=20)
3.4.4 综合比较
3.5 本章小结
第4章 基于半监督学习的房屋信用贷款违约预测
4.1 研究背景
4.2 房屋信用贷款违约风险评估的发展和研究现状
4.3 数据说明和预处理
4.4 房屋信用贷款违约风险预测和变量选择结果
4.4.1 模型的变量选择能力及其解释性
4.4.2 模型的预测能力
4.4.3 模型的稳健性
4.5 本章小结
第5章 总结与展望
5.1 总结
5.2 不足及展望
附录 表格
参考文献
致谢
【参考文献】：
期刊论文
[1]运用Logistic回归原理构建个人住房贷款风险预警模型[J]. 李妍. 华北金融. 2017(01)
[2]个人信用评分的Adaptive Lasso-Logistic回归分析[J]. 张婷婷,景英川. 数学的实践与认识. 2016(18)
[3]基于Group-LASSO方法的广义半参数可加信用评分模型应用研究[J]. 张娟,张贝贝. 数理统计与管理. 2016(03)
[4]基于Logistic模型的商业银行个人消费信贷风险评估研究[J]. 张国政,陈维煌,刘呈辉. 金融理论与实践. 2015(03)
[5]Logistic回归的双层变量选择研究[J]. 王小燕,方匡南,谢邦昌. 统计研究. 2014(09)
[6]基于Lasso-logistic模型的个人信用风险预警方法[J]. 方匡南,章贵军,张惠颖. 数量经济技术经济研究. 2014(02)
[7]基于Logistic模型的我国上市公司信用风险预警研究[J]. 邓晶,秦涛,黄珊. 金融理论与实践. 2013(02)
[8]随机效应Logit计量模型的自适应Lasso变量选择方法研究——基于Gauss-Hermite积分的EM算法[J]. 孙燕. 数量经济技术经济研究. 2012(12)
[9]上市公司信用风险分析模型中的变量选择[J]. 胡心瀚,叶五一,缪柏其. 数理统计与管理. 2012(06)
[10]信贷信息不对称下的信用卡信用风险研究[J]. 方匡南,吴见彬,朱建平,谢邦昌. 经济研究. 2010(S1)
博士论文
[1]个人住房抵押贷款违约风险影响因素实证研究[D]. 王福林.浙江大学 2004
硕士论文
[1]基于决策树算法的房贷信用风险评估研究[D]. 张红梅.哈尔滨理工大学 2012
[2]住房抵押贷款违约影响因素研究[D]. 陈余化.浙江大学 2007
本文编号：3186256
【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 半监督学习方法
1.2.2 变量选择
1.2.3 信用风险评估和广义可加模型
1.3 研究内容与框架
1.4 文章的创新点
第2章 传统半监督学习方法的介绍
2.1 有监督学习与无监督学习
2.1.1 有监督学习方法
2.1.2 无监督学习方法
2.2 半监督学习的模型设定与基本假设
2.2.1 模型设定
2.2.2 基本假设
2.3 几种经典的半监督学习方法
2.3.1 生成模型
2.3.2 协同训练算法
2.3.3 基于图的半监督学习方法
2.3.4 半监督支持向量机
2.4 本章小结
第3章 基于半监督学习的变量选择与预测
3.1 模型的理论基础
3.1.1 广义半参数可加模型
3.1.2 Group Lasso
3.1.3 块坐标下降算法
3.2 模型设定
3.3 模型的求解
3.3.1 模型的算法
3.3.2 调整参数的选择
3.4 模拟分析
3.4.1 模拟设定
3.4.2 模拟一(P=10)
3.4.3 模拟二(P=20)
3.4.4 综合比较
3.5 本章小结
第4章 基于半监督学习的房屋信用贷款违约预测
4.1 研究背景
4.2 房屋信用贷款违约风险评估的发展和研究现状
4.3 数据说明和预处理
4.4 房屋信用贷款违约风险预测和变量选择结果
4.4.1 模型的变量选择能力及其解释性
4.4.2 模型的预测能力
4.4.3 模型的稳健性
4.5 本章小结
第5章 总结与展望
5.1 总结
5.2 不足及展望
附录 表格
参考文献
致谢
【参考文献】：
期刊论文
[1]运用Logistic回归原理构建个人住房贷款风险预警模型[J]. 李妍. 华北金融. 2017(01)
[2]个人信用评分的Adaptive Lasso-Logistic回归分析[J]. 张婷婷,景英川. 数学的实践与认识. 2016(18)
[3]基于Group-LASSO方法的广义半参数可加信用评分模型应用研究[J]. 张娟,张贝贝. 数理统计与管理. 2016(03)
[4]基于Logistic模型的商业银行个人消费信贷风险评估研究[J]. 张国政,陈维煌,刘呈辉. 金融理论与实践. 2015(03)
[5]Logistic回归的双层变量选择研究[J]. 王小燕,方匡南,谢邦昌. 统计研究. 2014(09)
[6]基于Lasso-logistic模型的个人信用风险预警方法[J]. 方匡南,章贵军,张惠颖. 数量经济技术经济研究. 2014(02)
[7]基于Logistic模型的我国上市公司信用风险预警研究[J]. 邓晶,秦涛,黄珊. 金融理论与实践. 2013(02)
[8]随机效应Logit计量模型的自适应Lasso变量选择方法研究——基于Gauss-Hermite积分的EM算法[J]. 孙燕. 数量经济技术经济研究. 2012(12)
[9]上市公司信用风险分析模型中的变量选择[J]. 胡心瀚,叶五一,缪柏其. 数理统计与管理. 2012(06)
[10]信贷信息不对称下的信用卡信用风险研究[J]. 方匡南,吴见彬,朱建平,谢邦昌. 经济研究. 2010(S1)
博士论文
[1]个人住房抵押贷款违约风险影响因素实证研究[D]. 王福林.浙江大学 2004
硕士论文
[1]基于决策树算法的房贷信用风险评估研究[D]. 张红梅.哈尔滨理工大学 2012
[2]住房抵押贷款违约影响因素研究[D]. 陈余化.浙江大学 2007
本文编号：3186256
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3186256.html
