基于粗糙集属性约简与多种分类模型的个人信用评估

摘要

个人信贷是商业银行最重要的业务之一,而该业务存在着信息不对称,处于信息劣势方的银行面临着巨大的信用风险。“知识就是一种对对象进行分类的能力”,依据这一观点本文提出“个人信用评估就是一种对借款人信用的分类方法”。SMOTE改善了德国信用数据集类别不平衡的情况,布尔逻辑离散化技术客观地对一些连续的指标离散化,克服了人工离散化的主观性。基于粗糙集遗传属性约简算法对德国信用数据集的评估指标约简效果显著,指标由20个约简为10个,约简率高达50%,实现了在分类器性能近似不变的前提下,提高分类器的可解释性、缓解了过拟合、增强了分类器的泛化能力,并且大大缩短了训练分类器的耗时。经过属性约简,C4.5决策树的性能有所提高。对于经过属性约简的德国信用数据集,Logistic回归是最优的模型。