(湖南工商大学大数据与互联网创新研究院 湖南 长沙 410006)

一、引言

大数据环境下的网络借贷业务繁荣发展，微额借贷以其较低的借贷利率、灵活的借贷周期、便捷的借贷流程，受到了大部分中低收入群体和微型企业的追捧，同时互联网微额借贷成为了无抵押条件下小额借贷模式与互联网技术有机结合的新型金融服务模式。但是借贷机构以较低的门槛开展微额借贷业务，虽可大幅提高机构借贷效率，但也更大程度上增加了贷款无法及时回笼的风险，因此产生的信用违约问题也日益突出，对借贷机构造成了严重的不良影响。为避免客户信用违约，借贷机构需要提高预测客户信用水平的能力，因此本文将特征提取与支持向量机结合起来，在优化原始样本的前提下，采用信用评估领域表现较优的支持向量机方法进行微额借贷客户的信用评估，并进行评估方法的对比研究。

二、理论概述

本文研究的主题是微额借贷客户的信用评估，因此对原始样本进行优化是提高信用评估方法预测准确率的重要途径。特征提取是通过降低原始数据的维度或者将原始数据的特征进行重组再进行评估分析，因此成为了优化原始样本的重要途径。常用的特征提取方法包括：主成分分析法、逐步回归法、线性判别分析等。支持向量机是最常用的二分类机器学习方法，其进行二分类的核心思想是在核函数的约束下，找到特征空间的最佳分离超平面，使得样本之间的间隔最大。……