基于支持向量机的互联网金融客户信用风险研究

在分析支持向量机原理的基础上提出了利用Clementine软件预测和分析互联网金融客户信用状况的方法.利用RBF核函数、poly核函数、Sigmoid核函数和line核函数分别对信贷历史样本数据进行建模分析,研究结果显示:在运用支持向量机(SVM)方法对互联网金融客户的信用状况进行评估的实践中,RBF核函数与poly核函数在预测信用状况分类方面相较其他两种核函数具有更高的准确率.为互联网金融机构评估客户信用状况,进行相关风险管理提供了理论参考依据.