摘要：隨著我國金融市場的蓬勃發(fā)展,信用評(píng)價(jià)中的拒絕推斷問題越來越受到重視。針對(duì)信用評(píng)分模型中存在的有類別標(biāo)簽的樣本占比低,并且樣本中的類別分布不平衡等問題,本文在半監(jiān)督學(xué)習(xí)技術(shù)與集成學(xué)習(xí)理論的基礎(chǔ)上,提出了一種新的算法——BCT算法。該算法通過使用動(dòng)態(tài)Bagging生成多個(gè)子分類器,引入分類閾值參數(shù)來解決樣本類別分布不平衡問題,以及設(shè)定早停止條件來避免算法迭代過程中存在的過擬合風(fēng)險(xiǎn),以此對(duì)傳統(tǒng)半監(jiān)督協(xié)同訓(xùn)練法進(jìn)行改進(jìn)。通過在5個(gè)真實(shí)數(shù)據(jù)集上的實(shí)證分析發(fā)現(xiàn),在不同數(shù)據(jù)集與不同拒絕比例下,BCT算法的性能均優(yōu)于其他6種有監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)算法的信用評(píng)分模型,顯示了BCT算法具有良好的模型泛化性能和更高的模型評(píng)價(jià)能力。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
