決策樹(shù)方法在銀行貸款者分類中的應(yīng)用.pdf

1、隨著時(shí)代的進(jìn)步與經(jīng)濟(jì)的發(fā)展，人們的消費(fèi)觀念也在逐漸地發(fā)生變化，提前消費(fèi)在當(dāng)今社會(huì)已經(jīng)變得相當(dāng)普遍。銀行貸款是提前消費(fèi)的一種重要形式，貸款者利用貸款進(jìn)行資金周轉(zhuǎn)，用來(lái)滿足購(gòu)房、買車以及出國(guó)留學(xué)等消費(fèi)需求。由于貸款利息較高，銀行業(yè)愿意發(fā)展貸款業(yè)務(wù)給需求者貸款，從中獲得較大利潤(rùn)。但是，貸款者違約同時(shí)也會(huì)給銀行造成較大的損失，對(duì)銀行貸款者進(jìn)行分類，甄別潛在的違約者，拒絕他們申請(qǐng)貸款，將會(huì)減少銀行的損失風(fēng)險(xiǎn)。
　　本文先是介紹了決策樹(shù)幾個(gè)比

2、較常用的算法，包括ID3、C4.5、CART算法，以及決策樹(shù)的組合模型算法-隨機(jī)森林，分析了各種算法之間的聯(lián)系與區(qū)別。隨后，對(duì)需要建模的銀行貸款者數(shù)據(jù)進(jìn)行詳細(xì)的描述，其可分為家庭情況、工作收入情況以及信用卡貸款情況三大板塊。分別利用C5.0、CART以及隨機(jī)森林算法對(duì)數(shù)據(jù)進(jìn)行建模，使用預(yù)測(cè)正確率、真陽(yáng)性率以及真陰性率對(duì)模型進(jìn)行評(píng)價(jià)。其間引入了代價(jià)矩陣以及十折交叉驗(yàn)證來(lái)調(diào)整模型的參數(shù)，以及利用Kappa統(tǒng)計(jì)量和ROC曲線來(lái)評(píng)估模型的效果。