結(jié)合支持向量機(jī)的特征選擇方法在信用評估中的應(yīng)用外文翻譯-其他專業(yè)-wenkub
2023-01-30 02:59:05 本頁面
【正文】 神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的判別分析法 ，以及 Chou(Chou, Lin, Liu, amp。 Lin, 2021)和遺傳規(guī)劃方法 (Ong, Huang, amp。 Chen,2021。 Wang, 2021)。在過去的幾年里，大多數(shù)信用評 級 模型 常通過 減少冗余的 特征 ， 以 改 進(jìn) 信用評 級 的準(zhǔn)確性 。本研究結(jié)果表明， 混合的信用評估方法是一種尋找最優(yōu)特征子集的最為穩(wěn)健的方法，也是數(shù)據(jù)挖掘領(lǐng)域中很有前途的方法。利用這四種方法進(jìn)行屬性選擇可以構(gòu)建各種不同的模型。 1 外文翻譯之一 Combination of feature selection approaches with SVM in credit scoring 作者： FeiLong Chen , FengChia Li 國籍： Taiwan,ROC 出處： Expert Systems With Applications 原文正文： 10 結(jié)合支持向量機(jī)的特征選擇方法在信用評估中的應(yīng)用 作者： FeiLong Chen , FengChia Li 國籍： Taiwan,ROC 出處： Expert Systems with Applications 中文譯文： 11 摘要 信用評級已成為一個重要課題， 相關(guān)部門都在努力收集大量的數(shù)據(jù)以避免做出錯誤的決定 。 兩個UCI(美國加州大學(xué)爾灣分校 )的數(shù)據(jù)集被用來評估各種混合 SVM 模型的精度，并利用 支持向量機(jī)分類器與傳統(tǒng)的統(tǒng)計 LDA、決策樹、粗糙集 、 Fscore 相結(jié)合，進(jìn)行特征數(shù)據(jù)的預(yù)處理，刪除不相關(guān)和冗余的信息以優(yōu)化特征空間。 關(guān)鍵字 ： 支持向量機(jī)、線性判別分析、決策樹、粗糙集理論、 F度量 簡介 消費(fèi)信貸預(yù)測在信貸行業(yè)里是一個非常重要的 問題。 Dash and Liu (1997)對當(dāng)前存在的基于特征選擇的方法進(jìn)行了綜述，并認(rèn)為特征選擇過程由四部分組成 ,包括 特征生成 、特征評價、 停止準(zhǔn)則和測試。研究人員已發(fā)展各種各樣的傳統(tǒng)統(tǒng)計方法 ,其中涉及線性判別方法 (Bellotti amp。 Thomas, 2021)、決策樹方法 (Huang, Tzeng, amp。 Tzeng, 2021)。 Chang, 2021)應(yīng)用機(jī)器學(xué)習(xí) 方法（如 ANN、 DT 和支持向量機(jī)）來解決決策問題。 根據(jù)先前的研究 ,機(jī)器學(xué)習(xí)方法在處理信用評級問題上均優(yōu)于傳統(tǒng)方法 ,特別是非線性模式分類。過濾式 方法首先 是 選擇重要 的 特征 子集 。 Pfleger., 1994)。 然而， 眾所周知的是 這個問題非常困難 (Amaldi amp。 在 設(shè)計混合 的 支持向量機(jī)分類器 之前， 必須 先 選擇一個核函數(shù) 。 特征選擇方法的基本概念 線性判別分析方法 線性判別分析 (LDA)最初是由 Fisher 提出的一個著名分類技術(shù) (Fisher, 1936). LDA 一直被視為處理分類問題的數(shù)據(jù)挖掘技術(shù)，可降低變量的維數(shù)從而減少特征的數(shù)量。 LDA 是一種傳統(tǒng)的統(tǒng)計方法， 在信用評級上的準(zhǔn)確率被視為是其他現(xiàn)代分類方法 的基準(zhǔn)。 …… 支持向量機(jī)方法 支持向量機(jī)（ SVM）是由 Vapnik 等 人 首先提出 的 一個 功能 強(qiáng)大的分類工具(1995 年 )。 Schebesch amp。 DeJong, 2021) 、 疾病 分類 診斷 (Cho et al., 2021。 Yang, 2021)等。函數(shù)描述如下： f:Rn ?{1,1},表示 ? 個 N 維模式 Xi 與類標(biāo)簽 Yi 之間的一種映射 ,其中 根據(jù)公式（ 5），支持向量機(jī)分類器 應(yīng)該滿足以下條件： 這等價于如下方程。 為避免大的數(shù)值范圍控制了小的數(shù)值范圍，對數(shù)據(jù)尺度變換進(jìn)行預(yù)處理是必要的。本研究基于一定 數(shù)量 的特征前提下，在 精度和 特征數(shù)量 之間 達(dá)成了平衡 。 特征選擇在分類領(lǐng)域 中是一項 重要 的 任務(wù)。 另一方面 ，實驗結(jié)果主要由數(shù)字決定。在這個領(lǐng)域未來的工作里，還可發(fā)展信用評估的啟發(fā)式算法。當(dāng)既要求
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1