贝叶斯网络个人信用评估模型  

Customer Credit Scoring Models on Bayesian Network Classification

作　　者：郭春香[1] 李旭升[2] 

机构地区：[1]四川大学工商管理学院,成都610065 [2]西南交通大学经济管理学院,成都610031

出　　处：《系统管理学报》2009年第3期249-254,260,共7页Journal of Systems & Management

基　　金：国家自然科学基金资助项目(70771093);四川省教育厅科研项目(2006C082)

摘　　要：研究了朴素贝叶斯分类器、树增强朴素贝叶斯分类器2种贝叶斯网络信用评估模型的精度,用10层交叉验证在2个真实数据集上对贝叶斯网络信用评分模型进行了测试并与神经网络模型进行了比较。结果表明,贝叶斯网络信用评估模型具有较高的分类精度,在信用评估中具有优势。This paper investigates the credit scoring accuracy of two Bayesian network models： naive Bayesian and tree augmented naive Bayesian.They are tested using 10-fold cross validation with two real world data sets,and compared with neural network models.Results demonstrate that the Bayesian network credit scoring models are competitive with neural network models and predominant in credit scoring domain.

关 键 词：信用评估 贝叶斯网络 朴素贝叶斯分类模型 树增强贝叶斯分类模型 神经网络 

分 类 号：F830.5[经济管理—金融学]