基于神经网络规则抽取的个人信用评估模型研究

摘要

本文针对传统个人信用评估体系中的不足,提出了一种基于神经网络规则抽取的个人信用评估模型.通过对已经训练好的人工神经网络隐层激活值进行聚类分析,减少搜索空间,进而抽取出理解性好、简洁的符号规则.从而产生一组可理解的描述,这组描述能最大限度的模拟已经训练好的原神经网络的推理预测行为.使得评价中的人为因素得到弱化,克服了神经网络在个人信用评估中的“黑箱”性缺陷,增强了模型的稳健性和可理解性.