基于PCA和SVM的个人信用评估

摘要

在经济迅速发展的背景下,消费信贷的发展规模随之扩大,信用评估的准确率则逐渐成了信贷行业的一大重要问题。本文针对信用评估指标维数较高的问题,利用德国某商业银行的消费信贷数据作为研究样本,运用主成分分析(PCA)和支持向量机理论(SVM)建立一个新的个人信用评估模型。为了反映该模型对信用评估有较好的效果,分别用支持向量机、k近邻判别分析、贝叶斯判别等方法对同一组数据进行训练,比较其预测个人信用评估的准确率。通过分析得出,基于主成分进行分析和支持向量机的个人信用评估模式具有较好的预测分类的准确率。