文档介绍：本科生毕业设计论文
诚信承诺书
(设计),是在指导教师的指导下严格按照学校和学院有关规定完成的。
(设计)中引用他人的观点和参考资料均加以注释和说明。
3. 本人承诺在毕业论文(设计)选题和研究内容过程中没有抄袭他人研究成果和伪造相关数据等行为。
4. 在毕业论文(设计)中对侵犯任何方面知识产权的行为,由本人承担相应的法律责任。
毕业论文(设计)作者签名:
年月日
摘要
随着我国经济的快速发展,银行的信贷业务不断扩大,给银行带来收益的同时也带来了一定的风险。消费者信用风险评估是金融与银行界研究的重要内容。最近的研究显示统计学习理论方法在信用评估中具有明显的优势。本文主要对统计学习理论方法中的一种新方法——支持向量机方法进行实证研究。
本论文运用实证分析和定量分析的研究方法,首先从分析当前我国信用相对薄弱的现实出发,分析国内外在该领域内的研究现状,比较神经网络、决策树、判别分析等信用评估方法的优缺点,重点描述支持向量机方法的基本理论,然后利用两组实际数据集(德国、澳大利亚数据集)对SVM方法进行实证研究,得出结论。为了达到更高的预测分类能力及保证可靠性,实验中使用交叉验证的方法来寻找不同核函数的最优参数。最后提出结论,为以后的进一步研究提供依据。
关键词数据挖掘、支持向量机、信用评估、预测分类、核函数
Abstract
With the rapid development of our economy, the bank credit business expands unceasingly,which brings great profits and also brings certain credit risk assessment is a important content in financial and banking research. Recent research shows that method of statistical learning theory has obvious advantages in credit scoring. This paper chooses a new method of the statistical learning theory methods—SVM.
This paper uses empirical analysis and quantitative analysis research methods firstly analyzing the relatively disadvantages of our current credit scoring and the current situation both at home and it describes the advantages and disadvantages of other credit evaluation method,such as work,decision trees and discriminatory most important part is the basic theory of support vector machine last,it uses two groups of actual data set (Germany, Australia datasets) to demonstrate SVM and draws a conclusion. In order to achieve higher classification accuracy rate and ensure reliability, this experiment uses a cross-validation method to find different kernel functions and optimal parameters. Finally it puts forward a conclusion to lay the foundation of further research.
Keywords Data mining、Support vector machine、Credit Scoring、Classified prediction、Kernel function
目录
摘要 I
Abstract II
目录 III
第1章绪论 1
课题背景 1
研究