面向風(fēng)險決策問題的集成學(xué)習(xí)模型與算法研究.pdf

1、風(fēng)險決策問題中風(fēng)險主要由各種自然狀態(tài)發(fā)生的不確定性導(dǎo)致，因此影響風(fēng)險決策結(jié)果的一個關(guān)鍵因素是各個自然狀態(tài)發(fā)生概率的估計預(yù)測值是否準(zhǔn)確。論文從這一角度出發(fā)，研究如何利用集成學(xué)習(xí)理論方法對風(fēng)險決策問題中自然狀態(tài)發(fā)生或發(fā)生概率進(jìn)行準(zhǔn)確地預(yù)測，以提高決策收益和降低風(fēng)險損失，為管理實踐中風(fēng)險決策者提供借鑒和參考。
　　首先，論文對風(fēng)險決策與集成學(xué)習(xí)的相關(guān)研究文獻(xiàn)進(jìn)行了綜述。通過對相關(guān)研究的歸納分析，可以發(fā)現(xiàn)：一、隨著管理決策者可以更加容易地

2、獲取和存儲大量數(shù)據(jù)，如何應(yīng)用機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘，尤其是有監(jiān)督學(xué)習(xí)技術(shù)對數(shù)據(jù)進(jìn)行學(xué)習(xí)分析，預(yù)測自然狀態(tài)的發(fā)生或發(fā)生概率，并基于此進(jìn)行科學(xué)有效的決策已經(jīng)成為了風(fēng)險決策研究的一個重要領(lǐng)域；二、由于集成學(xué)習(xí)可以有效地提高學(xué)習(xí)的準(zhǔn)確性和泛化性，因此將其引入風(fēng)險決策問題中有利于提高自然狀態(tài)發(fā)生概率預(yù)測的準(zhǔn)確性，從而改進(jìn)風(fēng)險決策的效果；三、在不同的風(fēng)險決策問題中數(shù)據(jù)樣本具有不同的模式特征，根據(jù)“無免費(fèi)午餐”定理，學(xué)習(xí)模型的性能表現(xiàn)在很大程度上取決于數(shù)

3、據(jù)樣本的模式特征，沒有哪一種學(xué)習(xí)模型能夠在所有問題上優(yōu)于其它模型。因此，論文對幾類典型的風(fēng)險決策問題中存在的數(shù)據(jù)模式特征進(jìn)行分析，并相應(yīng)提出能夠提高自然狀態(tài)概率預(yù)測準(zhǔn)確性的集成學(xué)習(xí)模型。
　　其次，針對海關(guān)查驗走私這一類樣本數(shù)量巨大，屬性取值差異巨大，但大多屬性的取值范圍較為集中的風(fēng)險決策問題，論文分析了其中存在的數(shù)據(jù)特征及其對學(xué)習(xí)模型預(yù)測準(zhǔn)確率的影響，并論述了已有研究對于該問題中數(shù)據(jù)預(yù)處理存在的問題。為了解決這些問題，論文提出了

4、一種動態(tài) K-均值聚類算法，根據(jù)聚類有效性指標(biāo)對聚類得到的數(shù)據(jù)簇進(jìn)行動態(tài)調(diào)整，以產(chǎn)生具有更高類內(nèi)樣本相似度和類間樣本差異度的聚類結(jié)果。在此基礎(chǔ)上，論文建立了基于動態(tài) K-均值聚類和邏輯回歸的風(fēng)險決策模型，并將所提出的風(fēng)險決策模型應(yīng)用于實際的海關(guān)查驗走私問題。實證研究和對比分析結(jié)果說明論文提出的風(fēng)險決策模型能夠有效提高海關(guān)的查驗命中率，對于海關(guān)提高走私監(jiān)管效率具有較好的理論指導(dǎo)意義和實際價值，也為管理實踐中數(shù)據(jù)量巨大、各個屬性取值多樣化的

5、風(fēng)險決策問題提供了一種有效的解決方法。
　　再次，針對消費(fèi)者信用風(fēng)險評估這一風(fēng)險決策問題，論文提出了一種基于有監(jiān)督聚類的集成學(xué)習(xí)模型，以解決已有研究采用單一學(xué)習(xí)模型或基于隨機(jī)抽樣的集成學(xué)習(xí)模型進(jìn)行概率預(yù)測所存在的問題。為了對消費(fèi)者群體中存在的多種行為模式特征進(jìn)行刻畫以提高集成學(xué)習(xí)中各個基學(xué)習(xí)器的個體性能和差異性，論文提出通過有監(jiān)督聚類將各個類別的數(shù)據(jù)樣本劃分為若干子集合，并對不同類別的子集合之間進(jìn)行組合得到訓(xùn)練樣本子集合，進(jìn)而在每

6、個子集合中建立對應(yīng)的基學(xué)習(xí)器。對于一個未知類別的數(shù)據(jù)樣本，以各個基學(xué)習(xí)器在該樣本的近鄰訓(xùn)練樣本中的性能作為權(quán)重進(jìn)行加權(quán)集成。通過在基準(zhǔn)數(shù)據(jù)集和實際數(shù)據(jù)集上進(jìn)行計算實驗和對比分析，說明論文提出的模型能夠克服已有研究中單一學(xué)習(xí)模型的不穩(wěn)定性，并產(chǎn)生差異性較大的基學(xué)習(xí)器，可以有效提高信用評估準(zhǔn)確率，降低授信方?jīng)Q策風(fēng)險，為銀行和信貸機(jī)構(gòu)提供有效的決策支持。
　　最后，在一些風(fēng)險決策問題(如數(shù)據(jù)庫營銷、保險欺詐、信用欺詐等)中存在明顯的類別

7、不均衡問題，即目標(biāo)客戶數(shù)量遠(yuǎn)低于非目標(biāo)客戶數(shù)量。另一方面，管理決策者不僅需要學(xué)習(xí)模型給出對目標(biāo)客戶的準(zhǔn)確預(yù)測，還需要模型具有較高的解釋性以提供進(jìn)一步的決策支持。針對這兩個問題，論文提出了一種基于關(guān)聯(lián)分類規(guī)則的集成學(xué)習(xí)模型。模型首先對多數(shù)類(非目標(biāo)客戶)進(jìn)行聚類分析以更好地分析該類客戶中存在不同行為模式特征的客戶子群體，并將各個客戶子群體(數(shù)據(jù)簇)與少數(shù)類(目標(biāo)客戶)進(jìn)行組合產(chǎn)生訓(xùn)練樣本子集合，然后通過關(guān)聯(lián)分析分別提取目標(biāo)客戶和非目標(biāo)客戶