LS-SVM模型选择与个人信用评估的开题报告.docxVIP

LS-SVM模型选择与个人信用评估的开题报告

一、选题背景

随着金融行业的发展，个人信用评估已经成为金融风险管理中的重要组成部分。现阶段，对于个人信用评估主要使用了大量的数据（如个人信用信用报告、贷款记录、银行账单等）进行分析建模，以实现对于客户信用等级的预测、审核等应用场景，为银行、信用卡机构等提供较好的参考。

理论上，对于数据集较小，特征较简单的信用评估问题，传统的分类算法（如KNN、SVM、决策树等）就可以达到较为不错的精度；但当数据复杂度高、数据量大时，相比其他的算法，LS-SVM更能发挥优势，如减少模型参数和计算复杂度等，从而达到分类效果更优秀的结果。

二、研究目的

本研究旨在深入探究LS-SVM算法在个人信用评估中的应用，结合银行等金融机构实际需求，开发一种基于LS-SVM的信用评估模型，故本研究主要研究内容包括LS-SVM理论基础、数据预处理方法、模型选择策略、模型训练方法以及评价模型准确度的方法等，同时，采用泰坦尼克号灾难数据集进行实验。

三、研究内容及预期结果

1.对于LS-SVM算法基础原理的学习和掌握，形成对于该算法的整体了解，包括对于其特点和使用方法。

2.分析和处理数据，作为信用评价的主要依据，数据处理在这些算法中至关重要。特别是在这些数据不规则或者包含大量噪声的情况下，这个工作甚至可能成为整个项目中最大的挑战之一。

3.在LS-SVM算法中选择最佳模型，通过交叉验证等方法选出适当的参数组合，以获得最佳的预测准确度；

4.实验过程中，采用泰坦尼克号灾难数据集，经测试建立个人信用评估模型，并通过交叉验证、混淆矩阵等方法对模型的准确性进行评估；

5.预期结果为，经过实验和分析，得出利用LS-SVM算法筛选数据建立个人信用评估模型的可行性和有效性，并且获得了较好的测试结果和准确度。

四、参考文献

[1]熊柏艳,童旭富,张洪敏,等.基于LS-SVM模型的个人信用评估研究[J].电子科技,2016(2):116-119.

[2]XiaoY,WuJ,YuanY,etal.TheApplicationofMATLABLS-SVMToolboxandRandomForestAlgorithminCreditSegmentation[J].JournalofPhysics:ConferenceSeries,2021,1857(2):021082.

[3]YANMeng-xue,WANGWei,WANGGuang-xing.PredictionofCreditandCreditEvaluationModelBasedonSVMandLS-SVM[J].JournalofSoftware,2011,22(11):2627-2635.