基于Metacost的客户信用评估半监督异构集成模型研究
基于Metacost的客户信用评估半监督异构集成模型研究
复制标题
DOI：
10.16381/j.cnki.issn1003-207x.2020.0933
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
肖进
中科院分区：
文献类型：
--
作者：
鄢澜;李思涵;肖毅;寇宇轩;刘敦虎;肖进
针对现实中信用评估存在的问题,本研究将元代价敏感学习、半监督学习和异构集成等技术结合,提出了基于Metacost的客户信用评估半监督异构集成模型(Metacost based semi-supervised heterogeneous ensemble model,Meta-Semi-HE)。该模型主要包括三个阶段:1)用Metacost方法修改初始有标签训练集得到L_m;2)在L_m上通过AdaBoost方法训练N个异构分类器hi(i=1,…,N),用伴随分类器组合Hi选择性标记无标签数据集的样本,并将其添加到L_m中,用新的L_m重新训练N个异构分类器。重复这一步骤,不断提高分类器性能,直至满足终止条件;3)用最终的N个异构分类器对测试集样本分类。在6个客户信用评估数据集上进行实证分析,结果表明,与已有的3种半监督集成模型和2种监督式集成模型相比,本研究提出的模型具有更好的客户信用评估性能。