基于SVM的直推學(xué)習(xí)和模型轉(zhuǎn)換及其在企業(yè)信用評估中的應(yīng)用.pdf

1、企業(yè)信用評估是銀行貸款業(yè)務(wù)經(jīng)營的核心問題，評估結(jié)果對銀行制定決策和獲取利益具有重大意義。信用評估的可靠性、安全性和健全程度直接關(guān)系到貸款業(yè)務(wù)的成敗。 國內(nèi)銀行的信用評估方法目前還停留在傳統(tǒng)的比例分析階段，因此亟需建立一套更為科學(xué)的評估模型。目前該領(lǐng)域已經(jīng)取得了一定的研究成果，但是由于我國的資信評估行業(yè)起步較晚，歷史積累的樣本少，應(yīng)用傳統(tǒng)的統(tǒng)計分析手段難以取得理想的效果，而神經(jīng)網(wǎng)絡(luò)等常用的機器學(xué)習(xí)算法在小樣本情形下的泛化能力無法得

2、到保證。針對這一問題的現(xiàn)狀，本文引入了一種基于小樣本學(xué)習(xí)理論的標準算法——支持向量機(SuportVector Machine，SVM)，該方法特別適合于此類樣本較少的學(xué)習(xí)問題。 本文的研究主要包括兩方面內(nèi)容： 一，本文提出一種改進的直推式支持向量機(Transductive SVM，TSVM)。TSVM是標準SVM在半監(jiān)督學(xué)習(xí)問題上的擴展，但是傳統(tǒng)的TSVM算法存在訓(xùn)練速度慢、回溯式學(xué)習(xí)多和性能不穩(wěn)定的缺點。為此本文在

3、直推式學(xué)習(xí)中融入后驗概率(PostProbability)的思想，得到了基于后驗概率的直推式支持向量機(PPTSVM)，可有效解決上述問題。在企業(yè)資信樣本上的對比實驗表明PPTSVM在分類準確率和計算效率上優(yōu)于TSVM。 二，企業(yè)信用評估是一個多分類問題，而支持向量機在本質(zhì)上是針對二分類問題設(shè)計的。因此本文對支持向量機多分類的擴展進行了研究，提出了兩種解決方案：一是通過改變問題的表述方式，將多分類問題表述為二分類問題，提出了一種