银行客户信用评估动态分类器集成选择模型

来源：管理科学学报杂志2015年第3期北京时间：

作者：肖进

单位：肖进,四川大学商学院，成都610064;中国科学院数学与系统科学研究院，北京100190,刘敦虎,成都信息工程学院管理学院，成都610225,顾新,四川大学商学院，成都610064;四川大学软科学研究所，成都610064,汪寿阳,中国科学院数学与系统科学研究院，北京100190,

摘要：现实的银行客户信用评估数据常包含大量的缺失值，这在很大程度上影响了信用评估模型的性能．针对已有模型的不足，提出了面向缺失数据的动态分类器集成选择模型DCESM．该模型充分利用数据集中所包含的已知信息，在训练信用评估模型之前不需要事先对缺失数据进行预处理，从而减少了对数据缺失机制假设以及数据分布模型的依赖．从UCI 数据库中选择两个银行信用卡业务信用评估数据集进行实证分析，结果表明，与4 种常用的基于插补法的多分类器集成模型以及1 种直接面向缺失数据建模的集成模型相比，DCESM 模型能够取得更好的客户信用评估性能．

关键词：信用评估; 缺失数据; 动态分类器集成选择

基金资助：国家自然科学基金资助项目(71471124; 71101100; 71273036) ; 四川省社科规划资助项目(SC14C019) ; 四川省教育厅创新团队资助项目(13TD0040) ; 四川大学优秀青年基金资助项目(2013SCU04A08) ; 四川大学学科前沿与交叉创新资助项目 (skqy201352)