贝叶斯融合方法集成的支持向量机预警国家助学贷款信用风险的研究  

Early Warning of National Student Loans Credit Risk Based on Support Vector Machine Assembled by the Bayes Fusion Method

作　　者：李运蒙[1] 石安安 桂绕根 涂英 

机构地区：[1]五邑大学经济管理学院,广东江门529020 [2]广发银行江门分行,广东江门529000

出　　处：《五邑大学学报（自然科学版）》2015年第2期44-48,共5页Journal of Wuyi University(Natural Science Edition)

基　　金：广东省哲学社会科学规划项目(GD11XGL20)

摘　　要：用贝叶斯方法将随机选用的多个不同类别的支持向量机集成为预警模型,通过银行实际助学贷款数据对模型进行测试和验证,结果表明该集成模型有更高的分类准确度,可以为银行助学贷款违约行为的预判提供重要的参考依据.Using the support vector machine （SVM） as the base classifier, an early warning model is established by assembling a number of different categories of support vector machines using the Bayes fusion method. Testing and verifying using the actual band loan data shows that the ensemble model has a higher accuracy in classification and can provide an important reference basis for banks to pre-judge students’ breach of loan contracts.

关 键 词：助学贷款 支持向量机 集成学习 风险预警 贝叶斯融合方法 

分 类 号：F822.1[经济管理—财政学] O211.61[理学—概率论与数理统计]