基于C4.5算法优化SVM的个人信用评估模型
支持向量机作为非参数方法已经广泛应用于信用评估领域.为克服其训练高维数据不能主动进行特征选择导致准确率下降的缺点,构建C4.5决策树优化支持向量机的信用评估模型.利用C4.5信息熵增益率方法进行属性选择,减少冗余属性.模型通过网格搜索确定最优参数,使用F-score和平均准确率评价模型性能,并在两组公开数据集上进行验证.实证分析表明,C4.5决策树优化支持向量机的信用评估模型有效减少了数据学习量,较于传统各类单一模型有较高的分类准确率和实用性.
个人信用评估、支持向量机、C4.5决策树、属性选择、信息熵增益率
28
国家自然科学基金61773123
2019-07-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
133-138