论文部分内容阅读
运用集成分类算法bagging的改进模型——subagging试图建立一个专门针对个人信用评估的方法，以期取得更好的预测分类效果。针对个人信用评估中单一分类器的不足，提出了利用分类器的集成进行个人信用评估的方法。利用UCI上的信用数据对单个分类器、bagging集成分类器以及subagging集成分类器进行实验比较，结果表明，subagging一决策树和subagging—K近邻在样本不独立和不平衡的情况下有效地提高了模型的精准性。结果显示，它们对商业银行控制消费信贷风险具有更好的适用性。