黄静 薛书田 肖进

摘要：将半监督学习技术与多分类器集成模型Bagging相结合，构建类别分布不平衡环境下基于Bagging的半监督集成模型（SSEBI），综合利用有、无类别标签的样本来提高模型的性能。该模型主要包括三个阶段：（1）从无类别标签数据集中选择性标记一部分样本并训练若干个基本分类器；（2）使用训练好的基本分类器对测试集样本进行分类；（3）对分类结果进行集成得到最终分类结果。在五个客户信用评估数据集上进行实证分析，结果表明本研究提出的SSEBI模型的有效性。

关键词：信用评估；类别分布不平衡；半监督学习；Bagging；半监督集成

DOI：10.13956/j.ss.1001-8409.2017.07.28

中图分类号：F83046；TP18 文献标识码：A 文章编号：1001-8409（2017）07-0131-04

Semisupervised Learning Based Multiple Classifiers

Ensemble Model for Customer Credit Scoring

HUANG jinga， XUE Shutianb， XIAO Jinb

（a. Public Administration School； b.Business School，Sichuan University， Chengdu 610064）

Abstract：This paper combines semisupervised learning with multiple classifiers ensemble model Bagging， and proposes a semisupervised ensemble model based on Bagging for imbalanced data （SSEBI）， which is expected to improve the model performance by comprehensively using samples with and without class labels. This model includes the following three phases： （1） Selectively label some samples from the data set without class labels and train several base classifiers； （2） Classify samples in test set by the trained base classifiers respectively； （3） Obtain the final classification results with integrating the classification results of all the base classifiers. Empirical analyses are conducted in five customer credit scoring data sets， and the results show the effectiveness of the SSEBI model.

Key words：credit scoring； imbalanced class distribution； semisupervised learning； Bagging； semisupervisedensemble

引言

随着我国经济的快速发展，人们的消费方式也在发生改变，住房按揭、汽车贷款、信用卡等信用消费规模不断扩大，信用交易已经成为市场经济条件下重要的交易方式。但是信用交易迅速发展的同时也带来了越来越多的信用欺诈行为，给商业银行带来巨大的损失。如何准确而有效地预测客户可能发生的恶意信用欺诈行为，必须依赖已有的数据对客户进行信用评估。

客户信用评估是依据客户信用欺诈风险的大小来划分客户的信用等级[1]。传统的信用评估模型有神经网络、logistic回归、贝叶斯、进化计算、k-近邻、遗传规划和支持向量机（support vector machine，SVM）等，为客户信用评估建模的研究做出很大贡献。但由于客户信用评估数据集通常是薄靶、类别分布不平衡的，即信用好的客户样本数要远高于信用差的客户样本数；……