银行信用评分中的混合式特征选择方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 创新点 | 第13页 |
| 1.4 论文结构 | 第13-15页 |
| 2 特征选择相关模型 | 第15-26页 |
| 2.1 过滤式方法 | 第15-17页 |
| 2.1.1 F-score | 第15页 |
| 2.1.2 信息增益率 | 第15-16页 |
| 2.1.3 Pearson相关系数 | 第16-17页 |
| 2.2 封装式方法 | 第17-23页 |
| 2.2.1 遗传算法 | 第17-20页 |
| 2.2.2 多种群遗传算法 | 第20-23页 |
| 2.3 分类器介绍—支持向量机 | 第23-26页 |
| 2.3.1 线性支持向量机 | 第23-24页 |
| 2.3.2 非线性支持向量机 | 第24-26页 |
| 3 一种新的混合式特征选择方法 | 第26-29页 |
| 3.1 混合式特征选择方法 | 第26-27页 |
| 3.2 参数优化 | 第27-29页 |
| 4 混合式特征选择方法的实证研究 | 第29-41页 |
| 4.1 实证1：GERMAN数据集 | 第29-35页 |
| 4.1.1 数据集描述 | 第29页 |
| 4.1.2 实证结果 | 第29-33页 |
| 4.1.3 对比分析 | 第33-35页 |
| 4.2 实证2：AUSTRALIA数据集 | 第35-41页 |
| 4.2.1 数据集描述 | 第35页 |
| 4.2.2 实证结果 | 第35-38页 |
| 4.2.3 对比分析 | 第38-41页 |
| 5 总结与展望 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第45-47页 |
| 学位论文数据集 | 第47页 |
