统计学习方法在信用评价中的应用.docxVIP

下载本文档

6
0
约1.67万字
约 31页
2023-08-05 发布于湖南
举报
版权申诉

统计学习方法在信用评价中的应用.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

课题名称统计学习方法在信用评价中的应用 PAGE 25 摘要近些年来，个人借贷业务飞速发展，这给银行带来商机的同时也带来巨大的风险。个人信用评分是银行控制和防范借贷风险的重要途径。因此，建立一种准确有效的个人信用评估方法，不仅可以识别信用风险，维护信贷和金融市场的正常运行，而且对世界经济保持持续稳定增长具有重要的理论和现实意义。本文基于UCI数据库的台湾商业征信记录，利用线性判别分析法，logistic回归，随机森林，B-P反向神经网络分别建立信用评分模型，以模型的精度和稳健性作为评价标准，比较分析后结果表明：随机森林法的精度是所有模型中最高的，可以达到83%