两层分类器模型应用于个人信用评估

作     者：曹再辉 余东先 施进发 宗思生 CAO Zai-hui;YU Dong-xian;SHI Jin-fa;ZONG Si-sheng

作者机构：郑州航空工业管理学院艺术设计学院河南郑州450015 河南职业技术学院信息工程系河南郑州450046 华北水利水电大学河南郑州450046 

基　　金：国家自然科学基金项目(71371172) 河南省高等学校重点科研项目(18A520051) 

出 版 物：《控制工程》 (Control Engineering of China)

年 卷 期：2019年第36卷第12期

页      码：2231-2234页

摘      要：针对不同的具体问题,传统机器学习算法的预测精度往往存在差异,而集成学习能够综合若干基分类器的预测结果,可以使得分类效果显著提升。首先,简单的介绍了集成学习的基本思想,并分析了Stacking集成算法相对于传统经典集成算法的优势;其次,基于Stacking集成框架,运用UCI的信用评估数据集,构建两层分类器学习模型用以评估个人信用;最后,将提出的模型方法用于实证分析,实验表明相对于SVM、RF、ANN、GBDT这些单一学习方法,以及对这些单一学习方法的结果进行简单的平均集成,两层分类器的Stacking集成学习的预测效果更优。

主 题 词：集成学习 机器学习 Stacking 信用评估 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.14107/j.cnki.kzgc.170717

馆 藏 号：203870994...