|
(C7)、销售利润率(C8)、利息保证倍数(C9)等，原属性数据样本如图2所示。
首先，利用PCA进行数据挖掘，特征值见表1。生成了三个主成分，贡献率累计为99-06%，能够完全满足信用分析的要求。相应主成分的特征向量见表2，构造的新属性数据如图3所示。
通过对图2与图3的对比可以看到，新的属性数据在完全能够满足信用分析的前提下，比原属性数据更加平稳，这对于后面的支持向量机建模是非常有益的。
采用新的属性数据进行SVM分类的训练建模，设惩罚因子C=100，选择高斯径向基函数作为核函数。分别选取26个样本作为训练样本，6个样本测试样本，采用不同的算法对供应商的信用两模式进行判断，结果如表3所示。
从表3可以看出，在分类正确率方面，普通SVM模型和本文模型明显优于ANN算法，SVM与本文模型相比，本文模型的正确率高于普通的SVM。说明由于引入PCA技术对信用属性数据进行挖掘，改善了属性数据的表征能力，从而提高了模型的准确率。
五、结语
笔者在应用支持向量机进行供应商信用分析过程中，引入PCA进行属性数据特征挖掘，提高了支持向量机的推广能力和建模效率，为今后政府采购中供应商的信用分析提供一种可借鉴的方法。实例和分析的结果表明所建信用分析模型的质量比较高，验证了其有效性。
参考文献：
［1］ Yurdakul M ustafa, Yusuf Tansel. AHP app roach in the credit evaluation of the manufacturing firms in Turkey［J］．International J ou rnal of P rod uction E conom ics, 2004,88 (3) : 269 289.
［2］ 郝丽萍,胡欣悦,李丽.利用BP网络模型对商业银行信贷风险进行分析和预测［J］．系统工程理论与实践, 2001,21(5): 66-69.
［3］ 齐巍巍,李友华.商业银行公司治理与信用风险管理的博弈分析［J］．商业研究,2005(10):68-70.
［4］ 庞素琳,王燕鸣,罗育中.多层感知器信用评价模型及预警研究［J］．数学的实践与认识,2003 ,33(9) :55 - 62.
［5］ Theodore B T and Huseyin I. Support vector machine for regression and application to financial forecasting［J］．Proceedind of the IEEE-INNS-ENNS International Ioint Conference on Neural Network,2000,(6)pp:348-353.
［6］ L. J. Cao and Francis E. H. Tay. Support Vector Machine With Adaptive Parameters in Financial Time Series Forecasting［M］．IEEE TRANSACTIONS ON NEURAL NETWORKS, VOL. 14, NO. 6, 2003,NOVEMBER pp: 1506-1518.
［7］ Li Aijun, Luo Siwei, Liu Yunhui, and Nan Zhihong.Combining PCA and Entropy Criterion to Build ANN's Architectures［M］．Proceedings of the Third International Conference on Machine Learning and Cybernetics,Shanghai,26-29 Auguest 2004,pp:3052-3055.
［8］ Chengjun Liu.Gabor-Based Kernel PCA with Fractional Power Polynomial Models for Face Recognition［J］．IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 26:572-581, NO. 5, MAY 2004.
［9］ V. N. Vapnik.The Nature of Statistical Learning Theory. New York［M］，1995.
上一页 [1] [2]
Tags：
|
用户注册
中查找“关于政府采购中供应商的信用分析”更多相关内容
中查找“关于政府采购中供应商的信用分析”更多相关内容
文章-网友评论：（评论内容只代表网友观点，与本站立场无关！） 
小
大