论文1：神经网络和支持向量机进行信用风险评估

Artifificial Intelligence for Credit Risk Assessment: Artifificial Neural Network

and Support Vector Machines

及到的技术：皮尔斯检验、逐步回归、支持向量机、核函数、ANN。

研究问题：利用AI模型预测突尼斯银行贷款人信用风险的能力，主要是二分类问题。

研究方法：

     逻辑回归模型

     神经网络

     SVM支持向量机

研究结果：SVM中RBF核支持向量机对贷款人的信用决策是最有效的。

---

问题来源：不良贷款数目增加；数据量变大

实验过程：

1、利用皮尔斯检验25个自变量的相关性，相关系数阈值为0.8。如果变量间相关系数绝对值大于0.8，也就代表可以删除其中一个变量。利用R软件的eta2()实现。

2、利用逐步回归方法自动选择变量，然后用优化准则对模型进行评估。利用R软件的Stepwise procedure程序实现。

3、准备训练集和测试集。

4、三种技术

      4.1逻辑回归（2022.9.17 不明白）