基于遗传算法和支持向量机的银行个人信用评估.pdfVIP

基于遗传算法和支持向量机的银行个人信用评估 孙 瑾 ，许青松 ，陈燕燕 (1．中南大学 数学科学与计算技术学院，长沙 410083；2．广西财经学院，南宁 530000) 摘 要：文章提出将重要属性变量提取和模型参数选择两方面的工作同步进行，引入遗传算法 作为筛选属性变量和调节参数的优化算法，建立基于遗传算法和支持向量机的个人信用评估模型， 并选取现实数据对模型做了实证分析，并将其与不筛选属性变量只优化参数的情况进行比较，实验 结果表明．该模型只需要少量重要的属性变量就能具有很好的预测效果。 关键词：支持向量机：遗传算法；信用评估；GA—SVM模型 中图分类号：TP183；F830．59 文献标识码：A 文章编号：1002—6487(2008)12～0126—03 则称样本集是线性可分的。对于线性可分的问题．就是 0 引言 要寻求参数 w，b)，使(1)式成立，由此得到判别函数y(x)=sgn fW·x+b)，sgn是符号函数。对判别函数归一化，使两类所有样 商业银行的信用评价及风险管理问题成为我国学术界 本都满足Ig(x)l≥1，这样分类间隔就等于2／llwl1．因此间隔最 和金触实业界广泛关注的问题之一。 目外银行界对于信用 大等价于使Ilwll(或Ilwll~)最小：而要求分类线对所有样本正确 评估的研究已经有50多年的历史．发展 了包括统计方法 分类．就是要求其满足： 和非统计方法两大类许多种方法．包括线性回归、近邻估计 yi[(w·X．)+h卜1≥0，(i=l，2，…，n) 和神经网络、分类回归树、支持向量机fSVM)等。支持向量机 因此，满足上述条件且使I1wll。最小的分类面就是最优分 是20世纪90年代中期发展起来的一种机器学习理论，近年 类面。最优分类超平面问题可以表示成如下的约束优化问题 来．国内外出现了许多将支持向量机应用到信用评估领域的 1 Irain l^1 Ilwll 文献。应用支持向量机做信用评估时，有两个问题需要解决： { (2) ls 一 是怎么样选取重要属性；二是怎么样选取模型参数。这些 ． t．yi[(w·x )+b]-1≥0，(i=l，2，…，n) s．t．表示满足于，在近似线形可分的情况下，我们可以通 文献普遍的做法都是把特征提取和选择模型参数这两方面 过在条件中增加一个松弛变量，∈．／0，i=l，…n可得“软化”了 工作分开进行，未考虑到模型的输入变量和模型的参数之间 的约束条件 存在着相互依赖性．不能使模型整体达到分类性能达到最优。本 yi[(w。xi)+b]≥1-6．，i=l，…n 文提出将特征提取和模型参数选择两方面的工作同步进行，