银行的贷款部门需要判别每个客户的信用好坏--数模实验

题目描述：银行的贷款部门需要判别每个客户的信用好坏（是否未履行还贷责任），以决定是否给予贷款。可以根据贷款申请人的年龄（X1）、受教育程度（X2）、现在所从事工作的年数（X3）、未变更住址的年数（X4）、收入（X5）、负债收入比例（X6）、信用卡债务（X7）、其它债务（X8）等来判断其信用情况。下表是从某银行的客户资料中抽取的部分数据，和某客户的如上情况资料为（53，1，9，18，50，11.20，2.02，3.58），根据样本资料分别用马氏距离判别法、线性判别法、二次判别法对其进行信用好坏的判别。

 

 

 马氏距离判别法：

clc;
clear;

% 用于构造判别函数的训练样本数据矩阵
training = [23 1 7 2 31 6.60 0.34 1.71;
            34 1 17 3 59 8.00 1.81 2.91;
            42 2 7 23 41 4.60 0.94 0.94;
            39 1 19 5 48 13.10 1.93 4.36;
            35 1 9 1 34 5.00 0.40 1.30;
            37 1 1 3 24 15.10 1.80 1.82;
            29 1 13 1 42 7.40 1.46 1.65;
            32 2 11 6 75 23.30 7.76 9.72;
            28 2 2 3 23 6.40 0.19 1.29;
            26 1 4 3 27 10.50 2.47 0.36];

% 参数group是与training相应的分组变量
group = [1; 1; 1; 1; 1; 2; 2; 2; 2; 2];

% 待判别的样本数据矩阵
sample = [53, 1, 9, 18, 50, 11.20, 2.02, 3.58];

% 数据降维处理
pca_coeffs = pca(training);
training_reduced = training * pca_coeffs(:, 1:3);
sample_reduced = sample * pca_coeffs(:, 1:3);

% 使用马氏距离判别法分类
[class, err] = classify(sample_reduced, training_reduced, group, 'mahalanobis');

% 输出分类结果
fprintf('样本被分类为: %d\n', class);
fprintf('分类错误率: %f\n', err);

 运行代码截图：