基于基因表达式编程的信用评估模型挖掘方法.docVIP

基于基因表达式编程的信用评估模型挖掘方法 　　摘要：提出了一种基于基因表达式编程(GEP)的信用评估模型挖掘方法GEP―CREDIT。该方法基于客户信贷数据，利用GEP算法自动进行属性筛选，并进行属性融合，在此基础上训练和建立信用评估模型。在德国信用数据库真实数据集上做的实验和性能分析表明,基于GEP的信用评估模型挖掘方法较Na?veBayes算法的预测精度提高了3%；较SVM算法的预测精度提高了1.6%；较KNN（K=17）算法的预测精度提高了6.83%。 　　关键词：数据挖掘；基因表达式编程；信用评估 　　中图分类号：TP311.13文献标识码：A 　　文章编号：1001-9081(2007)04-0877-04 　　 　　0引言 　　 　　信用评估是商业银行控制风险的关键技术。目前，尚缺乏一套有效的个人信用评估方法，阻碍了个人消费信贷业务进一步开展。因此，利用数据挖掘的算法建立一个快速、高效的信用评估模型，对金融市场的发展具有重要意义。 　　信用评估实质上是模式识别的分类问题――将贷款者划分为能够按期还本付息的“好”客户和违约的“坏”客户两类。训练时，根据历史上每个类别(按期还本付息和违约)的若干样本，从中找出违约和不违约者的特征，从而得到分类规则，并建立数学模型，进而预测未来贷款人的违约风险，为消费信贷决策提供科学依据。 　　针对信用评估对象的特点，本文