基于ga-k2算法的贝叶斯网络研究及在个人信用评估的应用

《基于ga-k2算法的贝叶斯网络研究及在个人信用评估的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、暨南大学硕士学位论文题名（中英对照）：基于GA-K2算法的贝叶斯网络研究及在个人信用评估的应用BayesianNetworkLearningbasedtheGA-K2AlgorithmandItsApplicationinPersonalCreditRating作者姓名：简敏指导教师姓名樊锁海及学位、职称：博士教授学科、专业名称：应用统计学位类型：专业学位论文提交日期：年月日论文答辩日期：年月日答辩委员会主席：论文评阅人：学位授予单位和日期：独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其

2、他人已经发表或撰写过的研究成果，也不包含为获得暨南大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：签字日期：年月日暨南大学硕士学位论文摘要自人类社会进入大数据、移动互联网时代以来，各行各业每天都被形形色色的海量数据所充斥。为了从大量数据中获取有用信息，各种各样的数据挖掘算法便产生了。贝叶斯网络作为一种数据挖掘算法，通过有向无环图和条件概率表形象地反映了变量之间的相互依赖关系，是一种研究不确定性知识的图形推理方法。由于贝叶斯网络拥有较强的贝叶斯理论基础以及容易理解的图形模式，在很多领

3、域都得到了广泛的应用。在个人信用评估中，如何通过大量的消费者信息数据来评估个人信用，以此对消费者进行分类，已经成为银行等金融机构十分关注也十分重视的问题。一个好的信用评估模型能使银行的信贷业务正常运转，促进经济增长。因此本文结合德国和澳大利亚信用数据将贝叶斯网络分类模型用于个人信用评估方面。本文考虑贝叶斯网络结构学习算法中经典的K2算法难以确定输入节点顺序的问题，利用遗传算法（GA）的全局寻优能力并将其与K2算法相结合，构造了以分类准确率为目标的GA-K2算法。以德国和澳大利亚信用数据集作为仿真对象，运用GA-K2算法构造的贝叶斯网络模型对个人信用进行评估。首先采用基于信息

4、熵的Fayyad离散化方法将连续属性进行离散化处理；然后运用K-折交叉验证的方法将整个数据样本平均分为10份，取10次测试结果的平均值作为最终的结果评估模型的性能，以规避随机性问题；最后将两个数据集的结果都分别与贝叶斯相关模型，神经网络相关模型，支持向量机相关模型以及其他模型（K-近邻，logistic，分类回归树，决策树）的分类准确率进行比较。结果显示本文算法构造的贝叶斯网络分类器的分类准确率在德国信用数据集中，最高准确率可达82%，平均值达到78.5%；在澳大利亚信用数据集中，最高准确率可达94.2%，平均值达到91.16%，较其他算法高，并且在澳大利亚信用数据集中获得

5、了最低的第一、第二类误分率。这充分说明本文算法构造的贝叶斯网络分类器的优越性。本文算法将分类准确率作为目标，将模型结构学习、参数学习、推理分类看作一个整体来进行优化。这不仅解决了K2算法中输入节点的顺序问题，优化了网络结构及参数学习过程，同时也解决了模型针对不同数据集泛化能力差的问题，最终得到了较好的结果。关键词:贝叶斯网络；K2算法；遗传算法；GA-K2算法；个人信用评估；分类I暨南大学硕士学位论文AbstractSincethehumansocietyenteredintotheeraofbigdataandmobileinternet,allwalksoflifeha

6、vebeenfilledwithallkindsofmassivedata.Inordertoobtainusefulinformationfromlargeamountsofdata,variousdataminingalgorithmsarose.Bayesiannetworkisoneofdataminingalgorithms.Itisagraphicalreasoningmethodofuncertaintyknowledgeresearch,whichreflectstheinterdependencebetweenvariablesbydirectedacyc

7、licgraphandconditionalprobabilitytable.BecauseofitsfoundationwithastrongBayesiantheoryandeasytounderstandgraphicsmode,Bayesiannetworkhavebeenwidelyusedinmanyfields.Inthepersonalcreditevaluation,howtoevaluatepersonalcreditthroughlargeamountsofconsumerinformatio