基于k-means算法的马田系统研究及其在个人信用评价中的应用

摘要

伴随着中国经济的迅速发展，信用交易越来越普遍，提高信用管理的技术水平和建立良好的信用评估模型变得极为重要。马田系统是一种行之有效的模式识别方法，目前在很多领域都得到了应用。本文将k-means聚类算法引入到马田系统中，构建了一种基于k-means聚类算法的马田系统模型，并将其应用到个人信用评价中，取得了较好的效果。主要研究内容包括以下的两个方面:
　　(1)基于k-means聚类算法的马田系统理论研究
　　筛选特征变量是马田系统中的一个重要环节，不同特征变量构成的基准空间就会得到不同的类别分析结果，如何有效地筛选特征变量是一个值得研究的问题。传统的马田系统利用正交表来设计试验方案，利用异常样品马氏距离的信噪比来对特征变量进行筛选，从而有效减少特征变量的个数。本文试图将k-means聚类算法与马田系统结合起来，利用正交表来设计试验方案，针对每一种试验方案，都利用k-means算法对原始样品进行聚类，得到多组聚类结果的正确率，以该正确率的信噪比作为筛选特征变量的评价指标，进而得到有效的特征变量，达到优化马田系统基准空间的目的。
　　(2)基于k-means聚类算法的马田系统应用研究
　　以某银行的个人信用评价数据为背景，对基于k-means聚类算法的马田系统模型进行应用研究。将k-means聚类算法、基于k-means聚类算法的马田系统方法以及传统马田系统方法在个人信用评价中的应用进行具体研究，并进行比较与分析。最后得出结论:基于k-means聚类算法的马田系统模型所筛选的变量与k-means聚类算法利用穷举法所筛选的变量基本一致，说明基于k-means聚类算法的马田系统模型筛选出的特征变量是有效的;基于k-means聚类算法的马田系统方法预测客户信用状况的准确率高于传统马田系统的预测准确率。

目录

声明

摘要

1 绪论

1．1 研究背景

1．2 研究的意义

1．3 研究现状

1．3．1 个人信用评价的研究现状

1．3．2 马田系统研究现状

1．4 本文研究内容及章节结构

2 个人信用评价相关理论及方法介绍

2．1 个人信用评价概述

2．2 个人信用评价指标研究

2．2．1 个人信用评价指标选取原则

2．2．2 个人信用评价指标体系

2．3 个人信用评价方法具体介绍

2．3．1 个人信用评价的定性分析方法

2．3．2 个人信用分析的定量分析方法

3 基于k-means算法的马田系统理论研究

3．1 马田系统

3．1．1 马田系统概述

3．1．2 马田系统实施步骤

3．1．3 马田系统的特点

3．2 k-means聚类算法

3．2．1 k-means聚类算法概述

3．2．2 k-means聚类算法步骤

3．2．3 k-means聚类算法特点

3．3 基于k-means聚类算法的马田系统构建

3．3．1 基于k-means聚类算法的马田系统概述

3．3．2 基于k-means聚类算法的马田系统实施步骤

3．3．3 基于k-means聚类算法的马田系统特点

4 基于k-means算法的马田系统应用研究

4．1 应用背景

4．1．1 数据来源

4．1．2 数据预处理

4．2 基于k-means算法的个人信用评价指标筛选

4．2．1 个人信用评价指标筛选流程

4．2．2 结果分析

4．3 基于k-means算法的马田系统在个人信用评价中的应用

4．3．1 个人信用评价模型的构建

4．3．2 诊断与预测

4．4 传统马田系统在个人信用评价中的应用

4．4．1 个人信用评价模型的构建

4．4．2 诊断与预测

4．5 比较和分析

4．5．1 与k-means算法的比较

4．5．2 与传统马田系统比较

5 结论

致谢

参考文献

附录1