C5.0分类算法及在银行个人信用评级中的应用

摘要：

研究了商业银行的个人信用评级问题.由于个人信用记录中既涉及有数值型数据,也涉及有非数据型数据,而决策树是解决这一类问题的最好方法.到目前为止,决策树C4.5算法的研究已基本成熟,但其C5.0算法由于商业机密的缘故至今没有公开.因此在决策树C4.5算法基础上详细研究了C5.0算法及相应的Boosting技术,并嵌入Boosting算法技术,构造了成本矩阵和Cost-sensitive tree,以此建立基于C5.0算法的银行个人信用评级模型,用来对德国某银行的个人信贷数据进行信用评级,同时对模型参数调整前后决策树的判别结果进行比较.仿真表明:参数调整后的决策树的判别结果优于参数调整前的决策树的判别结果.

关键词：信用评级、决策树、C4.5算法、C5.0算法

所属期刊栏目：29

分类号：F830(金融、银行)

资助基金：国家自然科学基金70871055,60574069;教育部新世纪优秀人才支持计划NCET-08-0615;广州市科技攻关项目200723-D0171

在线出版日期：2010-03-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：94-104