【技术实现步骤摘要】
本专利技术涉及一种基于主成分分析法的BP神经网络信用评估方法。
技术介绍
目前,信用评估研究主要在金融机构内进行,其依据机构自身收集的业务数据,通过专业人士的分析评估,得到企业与个人的信用报告。仅仅依靠金融机构内的业务数据进行信用评估容易造成结论的片面性。当金融机构面对信息资料较少的客户时,往往不能得出有价值的信用评估。随着大数据的到来,多方面数据融合分析成为主流,尤其是政府大数据对于征信起着举足轻重的作用。我国政府掌握80%以上的数据,但因各种局限及部门利益影响,数据不能共享,大多处于隔离和休眠状态,而基于政府数据建立的评估模型由于其数据的完整性、广泛性和隐私性,分析得出的结果更有说服力和社会价值。政府大数据中涉及个人的数据主要包括:人社数据、教育数据、医疗卫生数据、就业数据等,存在数据维度大的特点,会造成计算复杂度的增加。
技术实现思路
本专利技术的目的在于提供一种基于主成分分析法的BP神经网络信用评估方法,能克服专家打分的主观性,具有较高的分类正确率、实用性,以及较好的评估效果,能解决复杂的指标、多维的数据类型,更符合大数据处理的需求。本专利技术一种基于主成分分析法的BP神经网络信用评估方法,包括如下具体步骤:步骤1、从银行数据中梳理出涉及个人的政府数据,以及结合银行对于该个人的信用评估结果,形成样本数据,对样本数据进行归一化处理,获得处理过的样本数据矩阵X’: X ′ = x ...
【技术保护点】
一种基于主成分分析法的BP神经网络信用评估方法,其特征在于包括如下具体步骤:步骤1、从银行数据中梳理出涉及个人的政府数据,以及结合银行对于该个人的信用评估结果,形成样本数据,对样本数据进行归一化处理,获得处理过的样本数据矩阵X’:X′=x11′x12′...x1p′x21′x22′...x2p′............xn1′xn2′...xnp′]]>其中,x′ij表示第i个样本数据的第j个指标;步骤11、对于数值型的样本数据指标,采用下式进行归一化处理:其中,i=1,2,3,…,n,该n为样本总数,j=1,2,3,…,p,该p为数值型指标总数,xij表示第i个样本数据的第j个数值型指标,max{xij}表示第i个样本数据中数值最大的指标,min{xij}表示第i个样本数据中数值最小的指标,x′ij表示归一化处理后的第i个样本数据的第j个指标;步骤12、对于非数值型的样本数据指标,采用下式进行归一化处理:其中,i=1,2,3,…,n,该n为样本总数,j=1,2,3, ...
【技术特征摘要】
1.一种基于主成分分析法的BP神经网络信用评估方法,其特征在于包括如下具体步骤:步骤1、从银行数据中梳理出涉及个人的政府数据,以及结合银行对于该个人的信用评估结果,形成样本数据,对样本数据进行归一化处理,获得处理过的样本数据矩阵X’: X ′ = x 11 ′ x 12 ′ ... x 1 p ′ x 21 ′ x 22 ′ ... x 2 p ′ . . ...
【专利技术属性】
技术研发人员:詹进林,庄国强,
申请(专利权)人:易联众信息技术股份有限公司,
类型:发明
国别省市:福建;35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。