基于IG-SVM模型的供应链融资企业信用风险预测

• 作 者: 潘永明 王雅杰 来明昭
• 机 构: 天津理工大学管理学院
• 出 处: 南京理工大学学报
• 发表日期: 2020年1期
• 关键词: 供应链融资 信息增益 支持向量机 信用风险 分类预测 supply chain financinginformation gainsupport vector
• 基金项目: 国家自然科学基金(71503180),天津市教委社会科学重大项目(2017JWZD16)

为了提高对供应链融资中小企业信用风险预测的精度,在通过对中小企业信用风险评价研究基础上集成机器学习算法构建了能够提高信用风险预测的组合模型。该模型采用支持向量机(Support vector machine,SVM)建立供应链中小企业信用风险分类预测模型,并引入信息增益(Information gain,IG)提取对预测结果有显著贡献的特征变量,优化模型特征输入。在与其他模型的对比实验中可知,采用IG-SVM模型预测的测试样本精确度为97.62%,比单一SVM模型精度提高8.97%。采用IG进行特征优化,