基于特征增强的区间型数据分类模型

摘要：

文章针对区间型数据分类问题,提出了 一种基于数据质量提高的区间型最小二乘支持向量机分类模型.首先提出了一种基于非参数位置检验的对数边缘概率密度比特征选择和变换方法以获得高质量的训练数据;然后,使用最小二乘支持向量机分类算法建立分类模型;最后,通过蒙特卡洛模拟实验和P2P借贷平台风险识别的实证分析来评价模型的分类性能.结果表明,该模型能够取得较好的分类效果.此外,与CART、Lo-gistic回归、SVM等分类方法的对比结果也表现出较强的优势.

关键词：区间型数据;中点半径法;分类模型;数据质量提高;P2P网络借贷

所属期刊栏目：37

分类号：TP18(自动化基础理论)

在线出版日期：2022-01-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：33-36