資源描述：
《基于logistic回歸的神經(jīng)網(wǎng)絡(luò)模型在個(gè)人信用評(píng)估中的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、內(nèi)蒙古大學(xué)碩士學(xué)位論文基于Logistic回歸的神經(jīng)網(wǎng)絡(luò)模型在個(gè)人信用評(píng)估中的應(yīng)用姓名：白金瑞申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：管理科學(xué)與工程指導(dǎo)教師：劉鐵英20120531內(nèi)蒙古大學(xué)碩士學(xué)位論文基于Logistic回歸的神經(jīng)網(wǎng)絡(luò)模型在個(gè)人信用評(píng)估中的應(yīng)用摘要隨著中國(guó)經(jīng)濟(jì)的快速發(fā)展，個(gè)人信貸消費(fèi)(如買車、買房)也逐步成為個(gè)人消費(fèi)的主要方式。個(gè)人信貸消費(fèi)的快速增長(zhǎng)要求商業(yè)銀行具有較為完備的信用風(fēng)險(xiǎn)管理體系。但是缺乏科學(xué)的個(gè)人信用評(píng)估體系是目前中國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理中最嚴(yán)重的問題之一。目前學(xué)術(shù)界雖然提出了包括數(shù)理統(tǒng)計(jì)、人工智能等多種信用評(píng)估模型而已有的信用評(píng)估模型之所以不能得以推廣，主要原因是很多模型精
2、確性得到提高的同時(shí)，穩(wěn)健性不是很理想，模型的泛化能力也不是很強(qiáng)，要解決這些問題，僅僅改進(jìn)模型還不夠，指標(biāo)的選擇以及處理也是很重要的。本文在國(guó)內(nèi)外學(xué)者研究的基礎(chǔ)上，分析了單一模型和組合預(yù)測(cè)模型的原理和建模思想。文中主要是運(yùn)用了兩種單一模型的組合，其中一種是在統(tǒng)計(jì)學(xué)習(xí)理論中，分類精度比較理想的logistic回歸模型；另一種是在智能算法中應(yīng)用比較廣泛且分類精度較高的BP神經(jīng)網(wǎng)絡(luò)模型。把二者運(yùn)用組合模型的原理進(jìn)行組合，通過真實(shí)數(shù)據(jù)樣本對(duì)單一模型和組合模型的實(shí)證檢驗(yàn)和對(duì)比，可以看出，組合模型比單一模型具有更好的分類性能。關(guān)鍵詞：個(gè)人信用評(píng)估，logistic回歸，BP神經(jīng)網(wǎng)絡(luò)，指標(biāo)選取，組合模型基于
3、L0西stic回歸的神經(jīng)網(wǎng)絡(luò)模型在個(gè)人信用評(píng)估中的應(yīng)用APPLICATIONOFPERSONALCREDITEVALUATIoNBASEDONLOGISTICREGRESSIONANDNEURALNETWORKAbstractA10ngwi也tllerapiddevelopmentofCKna’seconomy，thepcrsonalc礎(chǔ)itcons啪ptionalso鼬allybecomesⅡlemaillwayofpersonalconsumption．Therapidgn)wtlloftheindivimIalcreditcon8uIllptiond鋤觚dh髂acomplcteseto
4、fcomm瞰I(xiàn)ialbankcredit^skmanagementsystem．Butme1ackofsciclltificpcrsonalcfediteValuationsystemis(：hha’scommercialb姐kcreditriskmanag鋤entinoneofmemostseriousprobleIns．Pres即【tlyalthoughproposedincludingm礎(chǔ)鋤aticalstatistics，anificiaLlintelligeIlceandsoonmanykindsofc根litevaluationmodeljustsomecreditevaLlua
5、tionmodeliscanltbewidely，廿lemaillre嬲onistllema
6、1ymodelaccuracyhnprovedatthes鋤etime，theconseⅣatismisnotVeVideal，modelgelleralizationabilityisnots怕ng，tos01veⅡ1eseprobl唧s，onlymeimproVedmodelisnoten(}u曲，mechoiceoft11eindcXanddealing麗thalsoisVe叮iInportant．So，thisaniclewiUuse戧lefl洳reselec_tionandconlbina
7、tionfbrecastmodelideastosolvetheseproblems．111_鋤spaperbasedont11estlldyofmescholarsbothathomeandabroad，we趾alyzedtheprinciplea11dmodeling廿loughtofsin直emodelandcombinationmodel-m也estalcisticalle鋤ing吐leory，lo百8ticre鏟essionwaswidelybeli鉀cdtobeagoodmodel，也atithasnottoomanyrequirementsindataandassumption
8、s．Second，tllerobustIlessofLo西sticre鏟essionis900d，canapplytodif斷entinSpections鋤ples．Inaddition，Lo西sticre伊essioncanpredictwhichVariableisreIIla幽abletothepersonalcreditsta七tls．Today，neuralIletworkisawidelyused
