Adaboost组合分类模型在信用评估领域应用探究.pdf

国内图书分类号: 学校代码:10213
国际图书分类号:336 密级:公开





管理学硕士学位论文


Adaboost 组合分类模型
在信用评估领域应用研究


硕士研究生: 袁泉
导师: 王苏生教授
申请学位: 管理学硕士
学科: 管理科学与工程
所在单位: 深圳研究生院
答辩日期: 2011 年 6 月
授予学位单位: 哈尔滨工业大学
Classified Index:
UDC: 336




Dissertation for the Master Degree in Management

APPLICATION RESEARCH OF ADABOOST
COMBINATION CLASSIFICATION MODEL IN
CREDIT EVALUATION



Candidate: Yuan Quan
Supervisor: Prof. Wang Susheng
Academic Degree Applied for: Master of Management
Specialty: Management Science and Engineering
Affiliation: Shenzhen Graduate School
Date of Defence: June, 2011
Degree-Conferring-Institution: Harbin Institute of Technology
哈尔滨工业大学管理学硕士学位论文
摘要
消费信贷的发展对于国家社会都有着很多积极意义,例如扩大内需、加
快社会消费结构升级、改善银行资产结构和提高效益,但是缺乏科学高效的
信用评估方法是制约消费信贷发展的重要问题。目前信用评估领域存在着单
一分类模型难以同时兼顾高精确性和高稳健性,并且模型的使用受到样本地
域性限制的问题,本文将引入组合分类思想,将 Adaboost 组合分类模型应用
于这一领域,尝试解决上述问题。
本文主要从精确性、稳健性和应用范围三个方面分析模型分类性能。本
文对国内外文献从信用评估和组合分类两方面进行梳理,分析了组合分类的
可行性。利用国内信用样本检验 Adaboost 组合分类模型的精确性和稳健型,
利用国外样本对 Adaboost 组合分类模型的应用范围进行探讨。通过实证结果
的比较可以看出,在模型的精确性和稳健性方面,Adaboost 组合分类模型在
精确性上的 %和稳健性上的 %两个方面均优于 BP 神经网络分类模
型、决策树分类模型和 Logistic 回归分类模型,说明了 Adaboost 算法确实有
改善单一模型应用中精确性和稳健性不能同时兼得的作用。另外非线性分类
模型的精确性要优于线性分类模型,部分非线性分类模型的稳健性不如线性
分类模型。在模型的应用范围方面,Adaboost 组合分类模型在基分类模型的
分类精度不高的情况下,发挥融合决策特点,提升分类模型性能明显。因此
可以认为 Adaboost 组合分类模型具有较好的实用性和较广的应用范围,虽不
能保证完全拟合当地信用样本数据,但相对于单一分类模型,尤其是分类性
能较弱的分类模型,有较强的提升分类性能的作用。

关键词:个人信用评估;Adaboost;组合分类模型

- I -
哈尔滨工业大学管理学硕士学位论文
Abstract
The development of consumer credit has a lot of positive significance for the
national society, such as expanding domestic demand, accelerating social
consumption structure, improving the structure and the efficiency of bank assets.
The key to the development of consumer credit constraints is the lacking of
scientific and efficient methods of credit assessment. The main reason to explain
why many personal credit scoring models can not be po