典型文献
基于Metacost的客户信用评估半监督异构集成模型研究
文献摘要：
针对现实中信用评估存在的问题,本研究将元代价敏感学习、半监督学习和异构集成等技术结合,提出了基于Metacost的客户信用评估半监督异构集成模型(Metacost based semi-supervised heterogeneous ensemble model,Meta-Semi—HE).该模型主要包括三个阶段:1)用Metacost方法修改初始有标签训练集得到Lm;2)在
L上通过AdaBoost方法训练N个异构分类器hi(i=1,…,N),用伴随分类器组合Hi选择性标记无标签数据集的样本,并将其添加到Lm中,用新的Lm重新训练N个异构分类器.重复这一步骤,不断提高分类器性能,直至满足终止条件;3)用最终的N个异构分类器对测试集样本分类.在6个客户信用评估数据集上进行实证分析,结果表明,与已有的3种半监督集成模型和2种监督式集成模型相比,本研究提出的模型具有更好的客户信用评估性能.
文献关键词：
客户信用评估;类别分布不平衡;代价敏感学习;半监督;异构集成
中图分类号：
作者姓名：
鄢澜;李思涵;肖毅;寇宇轩;刘敦虎;肖进
作者机构：
四川大学出国留学人员培训部,四川成都 610064;四川大学商学院,四川成都 610064;华中师范大学信息管理学院,湖北武汉 430079;澳门科技大学商学院,澳门特别行政区 999078;成都信息工程大学管理学院,四川成都 610225
文献出处：
引用格式：
[1]鄢澜;李思涵;肖毅;寇宇轩;刘敦虎;肖进-.基于Metacost的客户信用评估半监督异构集成模型研究)[J].中国管理科学,2022(12):211-221
A类：
Metacost,客户信用评估
B类：
异构集成,集成模型,中信,元代,代价敏感学习,半监督学习,技术结合,semi,supervised,heterogeneous,ensemble,model,Semi,HE,训练集,Lm,
L,AdaBoost,方法训练,分类器,hi,Hi,选择性标记,无标签数据,标签数据集,新训,测试集,评估数据,类别分布不平衡
AB值：
0.267154
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
