LADTree与REPTree分类器在信用风险预测中的性能比较
机器学习
2015-03-29 v1
摘要
预测信用违约者是银行等金融机构的一项危险任务。在放贷前确定非付款方是银行家重要且充满矛盾的任务。分类技术是预测分析的较好选择，例如辨别申请人是诚恳客户还是欺诈者。界定优异的分类器对任何如银行家般的实业家都是一项冒险工作。这使得计算机科学研究人员能够通过评估不同分类器并找出解决此类预测问题的最佳分类器来深入开展高效研究。本研究工作探讨了LADTree分类器与REPTree分类器在信用风险预测中的效能，并通过多种度量比较了它们的适用性。采用了德国信用数据集，并借助开源机器学习工具预测信用风险。
引用
@article{arxiv.1503.06608,
title = {Proficiency Comparison of LADTree and REPTree Classifiers for Credit Risk Forecast},
author = {Lakshmi Devasena C},
journal= {arXiv preprint arXiv:1503.06608},
year = {2015}
}
备注
arXiv admin note: text overlap with arXiv:1310.5963 by other authors