10.3969/j.issn.1007-3116.2019.01.009
基于贝叶斯网稀疏结构学习的信用影响因素结构发现
面对海量高维信用数据,传统贝叶斯网络在刻画变量复杂结构和概率关系时遇到了挑战.尝试将基于multi-logit回归的离散贝叶斯网络稀疏方法用于个人信用影响因素结构关系的发现,实现从多维变量复杂关系中抓取重要结构关系;基于解路径探讨了用于结构发现的稀疏贝叶斯网络模型的选择标准,并比较了稀疏贝叶斯网络与经典贝叶斯网络结构学习的性能;结合领域先验知识进一步改进贝叶斯网络结构,定性分析多维变量存在的主要结构关系;在确定多维变量稀疏网络结构的基础上,采用贝叶斯后验估计获取模型参数,并利用贝叶斯网络推理定量分析关键变量对信贷客户类型的直接或间接影响.
离散贝叶斯网络、稀疏结构学习、结构发现、multi-logit回归
34
F224.7;F830(经济计算、经济数学方法)
国家社会科学基金重点项目《多维贫困测度方法论及其应用的系统研究》14ATJ003;山西省自然科学基金项目《概率图模型的高效学习算法及应用研究》2014011022-2;山西省软科学基金项目《大数据视角下基于信用评价的科技信用体系构建》2017041034-1
2019-03-05(万方平台首次上网日期,不代表论文的发表时间)
共9页
64-72