基于主成分分析的贝叶斯网络在个人信用评估中的应用

针对信用评估数据的高维、非线性和冗余特点,传统降维和评估方法分类错判率高的难题,提出一种基于主成分分析的贝叶斯分类器在个人信用评估中的方法。首先采用主成分分析方法提取信用评估特征,进行降维处理,消除不必要的冗余信息,简化贝叶斯网络的输入,然后分别在朴素贝叶斯和树增强朴素贝叶斯两种分类器上建立评估模型,最后对评估模型进行验证性实验,并与其他模型进行比较分析。结果表明,应用主成分分析的贝叶斯网络建立的个人信用评估模型简洁,易于推理,提高了个人信用评估的精度。     

基于特征工程和树增强贝叶斯网络的个人信用评估研究

基于个人信用评估数据的不平衡、高维、非线性等特性,数据集的选取和优化显得尤为重要,文章设计了基于特征工程和树增强贝叶斯网络的个人信用评估模型。首先在数据平衡、特征编码和特征选择的基础上,实现数据集的优化,降低特征维度,简化模型的输入;然后,在树增强贝叶斯分类器上建立信用评估模型;最后以德国信用数据进行实证研究。结果表明,基于特征工程和树增强贝叶斯网络模型降低了复杂度,并有效提升了分类精度,模型稳健性较好。