結合支持向量機的特征選擇方法在信用評估中的應用外文翻譯-其他專業(yè)-閱讀頁
2025-02-08 02:59本頁面
【正文】 ）的開發(fā) 也是 值得嘗試 的 。然而 , 分類器通常描述為一個復雜的 數(shù)學函數(shù)，難以讓人理解。 為了克服這種限制 ，人們認為支持向量機的規(guī)則提取可以 保持盡可能多的準確性。利用 公開 的 現(xiàn)有數(shù)據(jù)集 對這些技術進行對比， 如Ripley數(shù)據(jù)集 、多類的 iris數(shù)據(jù)集等。我們的實驗結果表明 , 支持向量 機規(guī)則提取技術 與 支持向量機本身相比在性能上僅僅損失了一個很小的比例，因此，在可理解的分類技術上的排名處于領先地位。 這種技術的優(yōu)勢在于其 復雜的數(shù)學 模型的非線性能力 ，而這種優(yōu)勢又恰恰是他的主要缺點： 該模型 擁有比其他 數(shù)據(jù)挖掘技術 更高的準確率，但是 他們的可理解性是有限的 。更 深入一步來說：《美國 公平 信貸機會 》 法案 要求金融機構提供詳細的拒絕客戶信貸的理由， 不明確的拒絕是非法的。為保準支持向量機的精度，又可 挽救生命 和節(jié)約資本，可從 黑盒 的 SVM模型 中中提取規(guī)則 。 有兩種規(guī)則提取的方法：分解法和教學法。雖然人們已經(jīng) 廣泛地研究過神經(jīng)網(wǎng)絡的規(guī) 則提取 (. [1,3])，但是卻很少研究支持向量機的規(guī)則提取。 簡化復雜的 SVM模型 還有其他的方法， 如靈敏度分析 [17]和逆分類 [20]，但是沒有和 規(guī)則抽取技術 相同的 詮釋 性。 從 支持向量機 出發(fā)提取 規(guī)則 的優(yōu)點是支持向量機把輸入的分類作為一個群體，而決策樹算法如 則每次度量一個輸入的分類貢獻。 （ 2）、提取規(guī)則或樹的表達能力 。 （ 4）、 提取規(guī)則的質(zhì)量。 半透明準則考慮支持向量機的技術的感知度。 另一方面，教學法把 實驗模型看做 黑盒 ， 這些算法 不需要關注內(nèi)部結構，也就 不 需要 利用支持向量或決策 樹 ，而是 使用支持向量機模型定義的輸入輸出 直接進行 規(guī)則提取 。 這些技術的 前提是假設實驗模型比原始數(shù)據(jù)集更能 體現(xiàn)數(shù)據(jù) 。 因為模型被視為黑盒子 ,大部分教學算法支持其他的 機器學習算法 的規(guī)則提取。分 解法和教學法的區(qū)別如圖 Fig. 。最具代表性的規(guī)則類型主要有命題規(guī)則 (simple If. . .Then. . . expressions), MofN規(guī) 則 (If at least M of N conditions (C1,C2, . . . ,CN) Then. . .)和具有更多靈活性的 模糊規(guī)則 。我們將從 準 確性、保真度和 提取規(guī)則 這三個方面評價 規(guī)則提取技術。 保真度決定了分類器和 提取規(guī)則 達成一致 的 類標簽 的比例。我們 32 測試了 Ripley的數(shù)據(jù)集 [26]有兩個變量，因此可以進行模型可視化和規(guī)則提取。我們還使用了 傳統(tǒng)分類 技術 為基準所產(chǎn)生的 規(guī)則 ， 包括 （實際數(shù)據(jù)）和 logit回歸模型。首先，隨機地排列數(shù)據(jù)，每個測試集都以 2:1的比例篩選。提取 規(guī)則 時用實際試驗數(shù)據(jù)和實驗支持向量機模型做預測。同樣地， GREX也是 運行修改后的數(shù)據(jù)集。 …… 評級 我們的實驗包括了兩個信用評級數(shù)據(jù)集?；诒Ｃ埽袑傩缘拿Q和變量 已改為無意義的符號 。 中型公司的定義如下：他們不是股票上市的， 總資產(chǎn)賬面價值超過 1000萬歐元，所產(chǎn)生的營業(yè)額小于 。 33 …… 4． 5醫(yī)療診斷 Wisconsin Diagnostic乳腺癌的數(shù)據(jù)集，這個任務包括乳腺腫塊 歸類為良性或惡性 。我們的實驗表明，支持向量機的的性能更高 (平均精度達到 %)，但是他們?nèi)狈γ鞔_性，對醫(yī)生來說 誰需要診斷 不夠明確。規(guī)則提取 可以提供可理 解的指導方針并保證較高的性能。 (Bare Nuclei61) amp。 SVM+Prototype也被應用于診斷乳腺癌的數(shù)據(jù)集 [22]，這個方程式 規(guī)則的準確度為 ％ ， 保真度 為 ％。首先，他們是可理解的 ,因此 很容易 應用于現(xiàn)實生活中的各個分類場合。 由于支持向量機 在分類器中 名列前茅 ， 支持向量機規(guī)則提取 的精確性 往往已經(jīng)超過了傳統(tǒng)的方法， 例如 : logit。在我們的實驗中， 基于支持向量機的 所預測的 標簽數(shù)據(jù) 甚至優(yōu)于一般的 算法所生成的實際類標簽 數(shù)據(jù)集 。 眾所周知，支持向量機能夠在具有較少樣本的 高維數(shù)據(jù)集上表現(xiàn)很好。支持向量機規(guī)則提取的研究在高維信用評估環(huán)境下，將會很有意思
環(huán)評公示相關推薦
鄂ICP備17016276號-1