C5.0分类算法在银行个人信用评级中的应用
- 研究问题:商业银行的个人信用
- 数据类型:个人数据包含数值型数据和非数值型数据
解决方法:决策树
研究方法:在决策树C4.5的基础上详细研究了C5.0算法及相应的Boosting技术,并嵌入Boosting算法技术,构造了成本矩阵和Cost Sensitive tree,如此建立基于C5.0算法的商业银行个人信用评价模型,用来对德国某银行的个人信贷数据进行信用评级,同时对模型参数调整前后决策树的判别结果进行比较。
公司信用平级方法:
多元判别分析、Logistic回归分析、神经网络技术、支持向量机学习算法
以上方法不适用于个人信用评级的原因:
公司信用评级时,利用公司或行业的多个财务指标作为输入的变量,而这些变量基本是数值型的变量。在个人信用的