針對(duì)支持向量機(jī)(SVM)進(jìn)行信用風(fēng)險(xiǎn)評(píng)估存在模型參數(shù)難以確定的問(wèn)題,本研究引入了混合蛙跳算法(SFLA)來(lái)優(yōu)化SVM的超參數(shù),并使用SFLA-SVM模型對(duì)個(gè)人信用風(fēng)險(xiǎn)進(jìn)行評(píng)估,同時(shí)將該模型的評(píng)估結(jié)果分別與經(jīng)網(wǎng)格法和遺傳算法優(yōu)化的SVM超參數(shù)評(píng)估結(jié)果進(jìn)行對(duì)比。結(jié)果表明,基于SFLA-SVM的個(gè)人信用風(fēng)險(xiǎn)評(píng)估模型擁有更好的信用評(píng)估性能。

【文章頁(yè)數(shù)】：2 頁(yè)

【部分圖文】：

圖1SFLA迭代曲線(xiàn)

實(shí)驗(yàn)?zāi)繕?biāo)函數(shù)為尋找最優(yōu)分類(lèi)準(zhǔn)確率(CVA),CVA越高，最佳適應(yīng)度越大。圖1為SFLA迭代曲線(xiàn)圖，當(dāng)SFLA進(jìn)化到第10代時(shí)，此時(shí)誤差達(dá)到最小，為8.6,CVA最高，蛙群中最佳適應(yīng)度已經(jīng)穩(wěn)定在最大值。此時(shí)取得SVM最優(yōu)C和g參數(shù)為47.5965和23.9250，其對(duì)應(yīng)最優(yōu)CV....

圖2SFLA優(yōu)化(C,g)的搜索位置圖

運(yùn)用SFLA對(duì)SVM超參數(shù)進(jìn)行尋優(yōu)，取得了最優(yōu)超參數(shù)組(C,g)，并與訓(xùn)練樣本建立了基于SFLA-SVM的個(gè)人信用風(fēng)險(xiǎn)評(píng)估模型。為了檢驗(yàn)該模型的性能，用該模型對(duì)測(cè)試樣本進(jìn)行了測(cè)試，測(cè)試準(zhǔn)確率為90%。為了驗(yàn)證SFLA-SVM模型的優(yōu)越性，保持實(shí)驗(yàn)數(shù)據(jù)不變，分別采用網(wǎng)格搜索法(Gr....

本文編號(hào)：3996302