最小总风险准则的贝叶斯网络个人信用评估模型  

Bayesian network consumer credit scoring models based on minimum overall risk rule

作　　者：李旭升[1] 郭春香[2] 陈凯亚[3] 

机构地区：[1]西南交通大学经济管理学院,成都610031 [2]四川大学工商管理学院,成都610065 [3]西南交通大学电磁场与微波技术研究所,成都610031

出　　处：《计算机应用研究》2009年第1期50-53,58,共5页Application Research of Computers

基　　金：国家自然科学基金资助项目(70371026);四川省教育厅科研项目(2006C082)

摘　　要：将最小总风险准则MOR与贝叶斯网络分类器相结合,提出了一种新型信用评估模型。在两个真实数据集上以MOR用10层交叉验证对贝叶斯网络信用评估模型进行了测试,并与最小错误概率准则MPE的贝叶斯网络分类器的结果进行了对比。结果表明,基于MOR的贝叶斯网络分类模型可以有效地减小信用评估风险。This paper integrated NOR （minimum overall risk rule） into Bayesian network classifiers, and proposed new credit scoring models. According to MOR, they were tested using 10-fold cross validation with two real world data sets, and compared with Bayesian network classifier based on MPE. Results demonstrate that the Bayesian network elassifiers based on MOR are able to reduce effectively the eredit seoring risk.

关 键 词：个人信用评估 最小总风险准则 最小错误概率准则 贝叶斯网络分类器 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]