版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、IIIIIIIIIIIIIIIIIIIIIllllllllllllllllllblllllY3258482鼉f2f℃nIi17IJ分婁號(hào)；F20掌號(hào)：1525027T上磣腳范大墨碩士專業(yè)學(xué)位論文正則化下支持向量機(jī)的信用風(fēng)險(xiǎn)評(píng)估學(xué)院：數(shù)理蘭瞳專業(yè)學(xué)位類別：廑旦統(tǒng)j亟專業(yè)領(lǐng)域：經(jīng)渣堂研究生姓名：塑蕉指導(dǎo)教師：量瑩盤(pán)麴授完成日期：2Q!Z生旦目AbstractWiththeincreaseofcreditbusinessinChina，the
2、financialinstitutionsandthelocaleconomyflourish，butthecreditriskisalsogrowing，theSOcalledcreditriskistheborrowercannotrepaythedebt，resultinginthepossibilityofbanklossesSoweneedascientificandeffectivewaytoassesspersonalcr
3、editThispaperwillevaluatecreditriskbasedonregularizedsupportvectormachinesSupportvectormachineisanewsupervisedlearningmethodproposedbyVapnikinstatisticallearningtheoryIthastheadvantagesofglobaloptimal，simplestructureande
4、asygeneralization，butthestandardsupportvectormachinehasnoabilityoffeatureselectionTheadditionofregularizationistogivethemodeltheabilitytochoosefeaturesThedataforthispaperisonemicrofinancedatawhichcomesfromalargestateowne
5、dbankFirstlyinthespecificstudythispaperaddstheregularizationthoughttothesupportvectormachinemodel，andtheLasso—SVMandElasticNetSVMmodelsareestablishedrespectivelyItisfoundthattheintroductionofLassomethodhasstrongerfeature
6、extractionabilityandmoreaccurateaccuracythanElasticNetmodelSeCondly’thispapercomparestheevaluationresultsundertheregularizedsupportvectormachinemodelwiththestandardsupportvectormachinemodelunderthewholevanableWefoundthat
7、，sameasthesupportvectormachinemodel，theLassoSVMmodelseleCted21variablesThepredictionaccuracyofthismodelnotonlydoesn，tdeereasebecauseofthedecreaseofthenumberofvariables，butitismoreeffectivethantheke玎l(xiāng)elfunctionSigmoid，rad
8、ialbasisandpolynomial，whichshowsthatLassoSVMhaseffectivefeatureselectionandcreditevaluationcapabilityFinallythispapercomparesthemodelwiththewellknownLassoLogisticmodelwithgoodpredictiveresultsItisfoundthattheLasso—SVMmod
9、elisnotonly11variables1essthantheLassoLogisticmodel，butalso02％highel“intheaccuracyofthepredictionresuItsTherefore，thispaperprovidesaneweffectivemethodforcreditrisk，andthemethodhasthepromotionvalueKeywords：regularization；
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 正則化下支持向量機(jī)的信用風(fēng)險(xiǎn)評(píng)估.pdf
- 基于支持向量機(jī)的企業(yè)信用風(fēng)險(xiǎn)評(píng)估研究.pdf
- 基于支持向量機(jī)技術(shù)的信用風(fēng)險(xiǎn)評(píng)估模型研究.pdf
- 基于支持向量機(jī)的信用風(fēng)險(xiǎn)模型.pdf
- 基于支持向量機(jī)的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估研究.pdf
- 基于支持向量機(jī)回歸集成的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估研究.pdf
- 基于模糊動(dòng)態(tài)支持向量機(jī)集成方法的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估
- 基于模糊動(dòng)態(tài)支持向量機(jī)集成方法的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估.pdf
- 基于支持向量機(jī)的企業(yè)賒銷(xiāo)信用風(fēng)險(xiǎn)管理系統(tǒng)研究.pdf
- 集成支持向量機(jī)方法及在信用風(fēng)險(xiǎn)中的應(yīng)用研究.pdf
- 正則化路徑上的支持向量機(jī)模型組合.pdf
- 基于支持向量機(jī)的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)級(jí)模型研究.pdf
- 基于支持向量機(jī)與正則化風(fēng)險(xiǎn)最小化的目標(biāo)計(jì)數(shù)研究.pdf
- 基于支持向量機(jī)的我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)識(shí)別模型.pdf
- 基于多類支持向量機(jī)的信用評(píng)估研究.pdf
- 基于支持向量機(jī)的個(gè)人信用評(píng)估研究.pdf
- 支持向量機(jī)特征選擇中的Lp正則化方法研究.pdf
- 正則化方法下生存模型的個(gè)人信用風(fēng)險(xiǎn)分析.pdf
- 模糊與雙重正則化支持向量機(jī)的研究及應(yīng)用.pdf
- Lp正則化在支持向量機(jī)中的應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論