SPSS Modeler 支持向量机模型评估银行客户信用.pdfVIP

Modeler 支持向量机模型评估银行客户信用 本文要介绍的预测分析模型是“支持向量机模型”，我们将为大家简要介绍 支持向量机模型的理论，然后结合 IBM SPSS Modeler 产品详细讲述如何利用支 持向量机模型来解决客户的具体商业问题—银行如何评估客户信用 银行典型案例 商业银行个人信用评估就是根据个人信息和借贷记录等历史数据，判断个 人信用，它是保证信贷安全的重要一环。但是商业银行用于信用评估的数据往 往具有特性不稳定，历史样本容量较小，指标较多，呈明显的非正态分布。这 些特点导致很难利用一般的统计技术进行有效的评估。支持向量机模型 ( 简称 SVM) 能够很好的处理此类数据，进行有效的信用评估。本文介绍了 SVM 的基 本概念以及 Modeler 中使用 SVM 进行信用评估的基本步骤和方法，并对结果 进行分析和应用 支持向量机模型简介 支持向量机 (Support Vector Machine, 简称 SVM) 是一项功能强大的分 类和回归技术，可最大化模型的预测准确度。与其他常用模型不同，SVM 一 个优势就是能很好的处理小样本，高维数，非正态的数据。 SVM 的工作原理是将原始数据通过变换映射到高维特征空间，这样即使 数据不是线性可分，也可以对该数据点进行分类。之后，使用变换后的新数据 的进行预测分类。例如，图 1 中的数据点落到了两个不同的类别中，可以用一 条曲线分隔这两个类别。对数据使用某种数学函数变换后，可以用超平面定义 这两个类别之间的边界。 图 1. 数据变换后线性可分示意图 用于变换的数学函数称为核函数。IBM SPSS Modeler 中的 SVM 支持下 列核函数类型：  线性  多项式  径向基函数 (RBF)  Sigmoid 如果数据的线性分隔比较简单，则建议使用线性核函数。在其他情况下， 应当使用其他核函数。在所有情况下，最好尝试使用不同的核函数，才能从中 找出最佳模型，因为每一个函数均使用不同的算法和参数。 回页首 使用 IBM SPSS Modeler 支持向量机模型评估客户信 用 IBM SPSS Modeler 中的 SVM 提供了可视化的操作方法，具有界面友 好，操作方便的特点。此节，介绍如何使用 IBM SPSS Modeler SVM 评估客 户信用。操作步骤分为：  创建基本流（Modeler Stream ），建立模型；  测试模型，分析结果；  用不同的核函数建模，比较并选择合适的模型；  运用选定的模型来评估客户信用。 我们使用 UCI Machine Learning Repository 上公开的商业银行客户信用 记录作为数据集进行演示。该数据集由 1000 条个人信用记录组成，每条记录 均包含一组个人信息值，其中包括对客户信用的评估结果。1000 条记录保存 在 CreditData.csv 文件中，从 1000 条记录中抽出一部分用于演示用选定的 模型评估客户信用，将这部分数据保存到 CreditData4Estimate.csv 文件中。 创建基本流（Modeler Stream），建立模型 图 2. 基本流建模图 基本流如图 2 所示，创建步骤如下 1) 添加源数据—选择合适的数据 创建新流，命名为 SVM.str。从“源”选项卡中添加一个“可变文件”节点到 SVM.str，从“输出”选项卡中添加一个“表”节点到流，并将“表”节点连接到“可变 文件”节点。打开“可变文件”节点，导入客户信用数据 CreditData.csv。运行 “表”节点，显示源文件中数据，如图 3 所示。数据有 22 个字段，1000 条记 录。ID 字段为客户标志符。每个客户的信息包含在从StatusChkAccount 到Foreigner 的字段中。Class 字段表示信用评级，取值为良 ( 值 =1) 或者