基于数据挖掘技术的建筑企业信用评价.pdfVIP

文章编号：1000-1964(2005)04-0494-06 基于数据挖掘技术的建筑企业信用评价 刘高军，朱 嬿 (清华大学土木水利学院，北京 100084) 摘要：针对传统方法的不足。分析了应用数据挖掘技术的建筑企业信用评价方法．采用Logistic， 决策树和神经网络算法，从250个建筑企业组成的学习样本中挖掘信用好或差的分类规则，从而 建立了3个相应的信用评价模型．将所建立的模型用于评价检验样本中的46个建筑企业，采用 混淆矩阵比较了各模型的评价表现．结果显示，Logistic，决策树和神经网络模型的评价准确率分 别为87．0％，82．6％和82．6％，一致性结果的准确率达到91．7％，并且各模型在稳定性、敏感度 等方面具有不同特点．研究表明，数据挖掘技术是一种有效而准确的建筑企业信用评价方法，此 外，不同特点的数据挖掘模型为建筑业的信用评价提供了多种选择． 关键词：数据挖掘；建筑企业；信用评价；模型 中图分类号：TU723 文献标识码：A CreditEvaluationofConstructionCompaniesBasedonDataMining LIUGao-jun,ZHUYan (SchoolofCivilEngineering,TsinghuaUniversity,Beijing100084,China) Abstract:Becauseoftheshortageoftraditionalmethods,dataminingwasusedtoevaluatethe creditofconstructioncompanies. Logistic,decisiontreeandneuralnetworkalgorithmswere employedinthelearningsamplewith250constructioncompaniestofindtherulesofclassifyinga constructioncompanytogoodorbadcredit,sothreecreditevaluatingmodelswereestablishedwith theiules.Thesemodelswereusedtoevaluate46constructioncompaniesinthetestingsample,and theperformancesofthesemodelswerecomparedbymeansofconfusionmatrix.Thecomparison indicatesthattheaccuracyofLogistic,decisiontreeandneuralnetworkis87.0%,82.6%and82. 6%respectively,andtheaccuracyofconsistentjudgmentofthethreemodelsreaches91.7%. Furthermore,thecharacteristicssuchasstabilityandsensitivityofeachmodelwerediscussed.The resultsshowthatdataminingisaneffectiveandaccuratemethodtoevaluatethecreditof constructioncompanies,andthemodelswithdifferentcharacteristicsprovidealternativechoicesfor thecreditevaluationofconstructioncompanies. Key words:data mining;construction companies;credit evaluation ;model