Credit risk evaluation using a weighted least squares SVM classifier with design of experiment for parameter selection
Credit risk evaluation using a weighted least squares SVM classifier with design of experiment for parameter selection
复制标题
使用加权最小二乘 SVM 分类器和参数选择实验设计进行信用风险评估
DOI：
10.1016/j.eswa.2011.06.023
复制
发表时间：
2011-11
影响因子：
8.5
通讯作者：
Lai, K. K.
中科院分区：
文献类型：
--
作者：
Yu, Lean;Yao, Xiao;Wang, Shouyang;Lai, K. K.
支持向量机（SVM）被证明是信用风险评估中最有效的工具之一。然而，支持向量机的性能不仅对求解二次规划的算法敏感，而且对其学习机中的参数设置以及不同类别的重要性也敏感。为了解决这些问题，本文提出了一种加权最小二乘支持向量机（LSSVM）分类器的实验设计（DOE）的参数选择的信用风险评估。该方法采用最小二乘算法求解二次规划问题，实验设计用于SVM建模中的参数选择，最小二乘支持向量机中的权值用于强调不同类的重要性。为了说明的目的，两个公开的信用数据集被选择来证明所提出的加权LSSVM分类器的有效性和可行性。实验结果表明，相对于其他分类器，本文提出的加权LSSVM分类器在信用风险评估中具有较好的分类效果。
Support vector machines (SVM) is proved to be one of the most effective tool in credit risk evaluation. However, the performance of SVM is sensitive not only to the algorithm for solving the quadratic programming but also to the parameters setting in its learning machines as well as to the importance of different classes. In order to solve these issues, this paper proposes a weighted least squares support vector machine (LSSVM) classifier with design of experiment (DOE) for parameter selection for credit risk evaluation. In this approach, least squares algorithm is used to solve the quadratic programming, the DOE is used for parameter selection in SVM modelling and weights in LSSVM are used to emphasize the importance of difference classes. For illustration purpose, two publicly available credit datasets are selected to demonstrate the effectiveness and feasibility of the proposed weighted LSSVM classifier. The results show that the proposed weighted LSSVM classifier with DOE can produce the promising classification results in credit risk evaluation, relative to other classifiers listed in this study.
登录
查看更多内容
设计用于信用风险评估的混合智能挖掘系统
影响因子：
2.1
作者：
通讯作者：
--
基于k近邻原理的OR-CBR财务困境预测
影响因子：
8.5
作者：
Sun, Jie;Sun, Bo-Liang;Li, Hui
通讯作者：
Li, Hui
影响因子：
8
作者：
E. Altman
通讯作者：
E. Altman
影响因子：
3.9
作者：
J. Wiginton
通讯作者：
J. Wiginton
DOI：
10.1016/s0377-2217(01)00052-2
发表时间：
2001-07
期刊：
ERN: Credit Risk (Topic)
影响因子：
--
作者：
R. Malhotra;D. K. Malhotra
通讯作者：
R. Malhotra;D. K. Malhotra