基于聚类的bagging集成消费者信用评估模型

消费者信用评估模型的预测精度直接关系到信贷机构的损益、信用产品的开发和金融市场的繁荣。本文在分析了集成模型的整体性能与基分类器性能之间关系的基础上,提出了一种基于聚类的bagging集成消费者信用评估方法。该方法采用聚类算法来提升基分类器间的差异性,并选择几个精度较高的基分类器参与构建bagging集成模型。通过某商业银行信用卡数据进行实证的结果表明,该方法利用了集成模型的整体性能与基分类器的准确性和差异性之间的关系,降低了基分类器的选择成本,提升了集成模型的预测精度,对于商业银行控制消费信贷风险,促进消费信贷市场发展具有较好的效果。