基于朴素贝叶斯分类器的个人信用评估模型  

Personal Credit Scoring Models on Naive Bayesian Classifier

作　　者：李旭升[1] 郭耀煌[1] 

机构地区：[1]西南交通大学经济管理学院,成都610031

出　　处：《计算机工程与应用》2006年第30期197-201,共5页Computer Engineering and Applications

基　　金：国家自然科学基金资助项目(编号:70371026)

摘　　要：个人信用评估是金融与银行界研究的重要内容。论文研究了三种朴素贝叶斯分类器信用评估模型的精度。在两个真实数据集上用10层交叉验证对朴素贝叶斯信用评估模型进行了测试,并与五种DavidWest的神经网络个人信用评估模型进行了对比。结果表明朴素贝叶斯分类器具有较低的分类误差,在信用评估中有优势。Personal credit scoring plays an important role in financial and banking industry.This paper investigates the credit scoring accuracy of three naive Bayesian classifier models.They are tested using 10-fold cross validation with two real world data sets,and compared with five neural network models of David West＇s.Results demonstrate that the naive Bayesian classifiers are competitive with neural network classifiers and predominant in credit scoring domain.

关 键 词：个人信用评估 朴素贝叶斯分类器 神经网络 10层交叉验证 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]