多類分類支持向量機(jī)在信用評級領(lǐng)域的應(yīng)用及核參數(shù)選擇研究.pdf

1、支持向量機(jī)(Support Vector Machine)是數(shù)據(jù)挖掘的新方法，也是一種小樣本統(tǒng)計工具，它在解決小樣本、非線性及高維的模式識別問題上具有其他機(jī)器學(xué)習(xí)方法難以企及的優(yōu)勢。在支持向量機(jī)二類分類方法的基礎(chǔ)上，本文深入研究了多類分類的算法及其應(yīng)用。 巴塞爾新資本協(xié)議希望并鼓勵銀行業(yè)發(fā)展內(nèi)部信用評級系統(tǒng)，如何尋找到一種客觀、可行的評級方法，如何構(gòu)建內(nèi)部評級系統(tǒng)，對國內(nèi)銀行從業(yè)者提出了新的要求和挑戰(zhàn)。信用評級從科學(xué)的角度對信用

2、度進(jìn)行定性和定量分析，其本質(zhì)是一個非線性的分類問題，用支持向量機(jī)可以很好地解決。 本文在前人研究的基礎(chǔ)上，圍繞著支持向量機(jī)多類分類算法的改進(jìn)及其在信用評級領(lǐng)域應(yīng)用而展開。 首先，根據(jù)巴塞爾新資本協(xié)議提出的信用評級體系，建立對應(yīng)的評級模型。該模型的建立將信用評級過程標(biāo)準(zhǔn)化，層次化。本文主要針對模型層進(jìn)行分析，通過改進(jìn)模型層的核心算法，實現(xiàn)不同的評級方法。 其次，將層次支持向量機(jī)、糾錯編碼支持向量機(jī)等幾種適合用于多類

3、分類的算法加以改變和優(yōu)化，使之有更好的分類效果。然后結(jié)合銀行提供的評級樣本，使用工具箱實現(xiàn)了機(jī)器學(xué)習(xí)和數(shù)據(jù)評估過程。最后從性能、分類效果和易實現(xiàn)等角度分析了這幾種多類分類算法的相對優(yōu)劣。 本文還分析了核函數(shù)的選取對支持向量機(jī)分類結(jié)果的影響，通過調(diào)節(jié)參數(shù)，對不同參數(shù)條件下的分類效果進(jìn)行實驗。分析了幾種最常見核函數(shù)的性能和特點，闡述了核函數(shù)的構(gòu)造和相關(guān)定理，選擇實驗所用的核函數(shù)--Gauss徑向基核函數(shù)；同時研究了Gauss徑向基核