摘要
基于个人信用评估数据的不平衡、高维、非线性等特性,数据集的选取和优化显得尤为重要,文章设计了基于特征工程和树增强贝叶斯网络的个人信用评估模型。首先在数据平衡、特征编码和特征选择的基础上,实现数据集的优化,降低特征维度,简化模型的输入;然后,在树增强贝叶斯分类器上建立信用评估模型;最后以德国信用数据进行实证研究。结果表明,基于特征工程和树增强贝叶斯网络模型降低了复杂度,并有效提升了分类精度,模型稳健性较好。
作者
范彦勤
黄海午
杨智凯
FAN Yanqin;HUANG Haiwu;YANG Zhikai
出处
《桂林航天工业学院学报》
2022年第4期573-579,共7页
Journal of Guilin University of Aerospace Technology
基金
2021年度广西教育厅高校中青年教师科研基础能力提升项目“基于机器学习的个人信用评估研究”(2021KY0796)。
