论文部分内容阅读
针对个人信用评估中数据海量性以及与影响因素之间的非线性问题,利用最小二乘支持向量机（LS-SVM）中基于GCV准则和Newton-Raphson算法的正则化参数快速选择方法建立新的个人信用风险预测模型.并把该模型与Fisher线性判别分析、Logistic回归以及半参数广义可加模型的判别效果进行了实证比较分析.结果表明该方法不仅具有快速高效的模型选择能力,并且具有较优的判别预测能力.