基于AUC回归的不平衡数据特征选择模型研究

摘要：

针对不平衡数据的泛化预测和特征选择问题，提出了一种引入MCP惩罚函数的AUC回归模型（MCP－AUCR）。该模型采用考虑所有阈值信息的优化目标函数，具有处理不平衡数据的能力，并具有较好的特征选择效果；在讨论该模型定义与原理的基础上，提出相应的循环坐标下降训练算法，并通过数值模拟研究验证其优良性质；针对中国股票市场机械、设备、仪表板块中的上市公司，构建了基于MCP－AUCR的财务预警模型。研究结果显示：该财务预警模型可以选择出可解释的重要财务指标并进行有效预测，显著优于传统模型。

关键词：AUC回归、MCP惩罚、特征选择、财务预警

分类号：O212.1;F224.0(概率论与数理统计)

资助基金：国家自然科学基金青年项目《预测模型的结构化变量选择方法研究》71301162；中国人民大学应用统计科学研究中心自主项目《高维异质性数据的特征选择方法研究》217614000821

在线出版日期：2015-06-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：10-15,16