基于BP神经网络和SVM的个人信用评估比较研究_储蕾

【文件属性】：
文件名称：基于BP神经网络和SVM的个人信用评估比较研究_储蕾
文件大小：1.51MB
文件格式：CAJ
更新时间：2022-05-12 03:35:27
机器学习 SVM 信用风险的评估是银行风险管理的核心内容，世界银行对全球银行业危机的研究表明，导致银行破产的最常见原因就是信用风险。个人倍用评估是商业银行个人金融业务开展及信贷审批的关键环节，是个人信用风险管理的核心。对个人信用进行科学量化，建立起完善的个人信用评估体系及&动化的信用评估系统，足商业银行提高经营效益的迫切需要。通过对个人进行科学的信用评估，可以正确识别个人信用风险，促进信用资源的优化配置，BP神经网络方法是一种具有自组织、自适应、自学习特点的非参数方法，它对样本数据的分布要求不严格，不仅具有非线性映射能力，而且还有较髙的预测精度，这些都促使BP祌经网络在信用风险评佔领域取得长足的发展，支持向量机（SVM)是一种机器学算法，通过训练有限样本获得一个最小误差分类器，建立在此基础上的分类器具有很好的分类和推广泛化能力，从而可以对测试样木实现正确的分类。支持向量机能够出色的解决小样本、非线性、高维数的复杂问题。本文利用公开数据集，建立了个人信用指标体系，并建立基于BP祌经网络和SVM的个人信用评估模型。通过比较发现，BP神经网络和SVM在个人信lff评估方面效果较好，且SVM稳健性更高。而当两类样本数相差较人时，SVM表现出更好的预测精度。