本文针对两类个人信用数据混叠较严重的数据集,提出对数据集先利用最近邻算法进行修剪,再应用SVM算法对个人信用进行评估的NN-SVM方法。仿真实验表明基于NN-SVM算法的个人信用评估方法比直接用SVM算法进行分析来的更加准确。同时,对比RB...本文针对两类个人信用数据混叠较严重的数据集,提出对数据集先利用最近邻算法进行修剪,再应用SVM算法对个人信用进行评估的NN-SVM方法。仿真实验表明基于NN-SVM算法的个人信用评估方法比直接用SVM算法进行分析来的更加准确。同时,对比RBF_LS-SVM,Linear LS-SVM,Region single tree等算法的结果,发现NN-SVM算法明显优于其它算法。展开更多
文摘本文针对两类个人信用数据混叠较严重的数据集,提出对数据集先利用最近邻算法进行修剪,再应用SVM算法对个人信用进行评估的NN-SVM方法。仿真实验表明基于NN-SVM算法的个人信用评估方法比直接用SVM算法进行分析来的更加准确。同时,对比RBF_LS-SVM,Linear LS-SVM,Region single tree等算法的结果,发现NN-SVM算法明显优于其它算法。
