银行客户信用评估动态分类器集成选择模型

摘要：

现实的银行客户信用评估数据常包含大量的缺失值，这在很大程度上影响了信用评估模型的性能。针对已有模型的不足，提出了面向缺失数据的动态分类器集成选择模型DCESM 。该模型充分利用数据集中所包含的已知信息，在训练信用评估模型之前不需要事先对缺失数据进行预处理，从而减少了对数据缺失机制假设以及数据分布模型的依赖。从UCI数据库中选择两个银行信用卡业务信用评估数据集进行实证分析，结果表明，与4种常用的基于插补法的多分类器集成模型以及1种直接面向缺失数据建模的集成模型相比，DCESM模型能够取得更好的客户信用评估性能。

关键词：信用评估、缺失数据、动态分类器集成选择

分类号：F830.91(金融、银行)

资助基金：国家自然科学基金资助项目71471124；71101100；71273036；四川省社科规划资助项目SC14C019；四川省教育厅创新团队资助项目13TD0040；四川大学优秀青年基金资助项目2013SCU04A08；四川大学学科前沿与交叉创新资助项目 skqy201352．

在线出版日期：2015-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：114-126