%0 Journal Article
%T 基于稀疏贝叶斯学习的个人信用评估
%A 李太勇
%A 王会军
%A 吴江
%A 张智林
%A 唐常杰
%J 计算机应用
%D 2013
%X ？针对传统信用评估方法分类精度低、特征可解释性差等问题，提出了一种使用稀疏贝叶斯学习方法来进行个人信用评估的模型(sblcredit)。sblcredit充分利用稀疏贝叶斯学习的优势，在添加的特征权重的先验知识的情况下进行求解，使得特征权重尽量稀疏，以此实现个人信用评估和特征选择。在德国和澳大利亚真实信用数据集上，sblcredit方法的分类精度比传统的k近邻、朴素贝叶斯、决策树和支持向量机平均提高了4.52%，6.40%，6.26%和2.27%。实验结果表明，sblcredit分类精度高，选择的特征少，是一种有效的个人信用评估方法。
%K 稀疏贝叶斯学习
%K 分类
%K 信用评估
%K 金融风险
%K 特征选择
%U http://www.joca.cn/CN/abstract/abstract16811.shtml