通过人工神经网络、遗传算法和贝叶斯概率的联合聚类进行客户信用评估
人工智能
2013-12-31 v1
摘要
如今，随着银行及信贷机构客户信贷需求的不断增长，使用有效且高效的方法来降低所发放信贷的违约风险变得非常必要。客户信用评估是银行和机构最重要且最核心的职责之一，如果在该领域出现错误，将给银行和机构带来巨大损失。因此，预测计算机系统的使用在近几十年取得了显著进展。提供给信贷机构管理者的数据帮助他们做出是否发放信贷的直接决策。在本文中，我们将同时使用人工神经网络、遗传算法和贝叶斯概率的联合分类来评估客户信用，并利用上述三种方法获得的结果来达成合适且最终的结论。我们使用 K 折交叉验证来评估该方法，最后将所提出的方法与聚类引导分类 (CLC)、支持向量机 (SVM) 以及使用遗传算法进行改进的 GA+SVM 等方法进行了比较。
引用
@article{arxiv.1312.7740,
title = {Assessment of Customer Credit through Combined Clustering of Artificial Neural Networks, Genetics Algorithm and Bayesian Probabilities},
author = {Reza Mortezapour and Mehdi Afzali},
journal= {arXiv preprint arXiv:1312.7740},
year = {2013}
}
备注
5 pages