1、“.....做了模型的评估和比较部分，预测精确度的比较和效率的比较，让我可以当利用模型对样本中的客户进行分类时,对各种模型进行比较,以便提高精确度。在对模型做分类的时候用了贝叶斯分类器树三种方法进行分类，协助我了解了不同的分类算法，并且针对现有数据，经过结果对比，评估出了在这个项目中贝叶斯分类器分类效果的最好。在小组合作中，方面消化了部分数据挖掘的知识，另方面和同学在沟通合作中增进了友谊，算是在短期之内获益匪浅。松弛变量等。通过对数据中每个分类属性引入个哑变量，可以应用于分类数据。般只能用在二类问题，对于多类问题效果不好。支持向量机算法运行效果图第四章模型评估与比较预测精确度及效率比较预测精度比较我们对模型预测准确度进行如下判断当利用模型对训练样本和确认样本中的客户进行分类时,对各种模型的误判率进行比较,误判率越低模型的精确度越高......”。

2、“.....在个人信用评估模型中以误判率做为衡量标准并不是最合适的,因为两类所带来的损失往往是不同的,当两类损失已知时,以总损失最小为标准是衡量模型优劣最合适的评价方法。具体到实际问题中,我们应比较把好客户误判为差客户和把差客户误判为好客户的损失。本文假定两类所造成的损失相同,以误判率做为标准。下图为三种方法同时运行对比图从图中可以看出，贝叶斯分类器树三种方法进行分类的精确度分别为，，。贝叶斯分类器分类效果最好，为的精确度，也就是说误判率最低，所以对于现有数据而言，贝叶斯分类器较为理想。对比分析来看，贝叶斯分类器基于概率的思想，在处理大规模数据库时，贝叶斯分类器巴表现出较高的分类准确性和运算性能。而般在两类数据的分类处理上表现出很高的性能。效率比较贝叶斯分类器分类完成的执行时间为秒，树的执行时间为秒，的执行时间为秒，对比可以看出，分类器的执行效率最高，而相对较差......”。

3、“.....如何成功地实施这个模型会涉及很多问题使用什么样的临界分值是否完全依赖信用评估模型给出的分数以及如何对评估模型给出的分数进行修正等等。临界分值的选择消费信贷申请客户的个人信用得分在什么区域内可以被认为是违约风险较小的客户,从而批准该申请人的贷款申请,即如何确定违约客户与履约客户的的临界分值问题,是需要解决的重要问题。在信用评估领域的基本准则之就是信用评结果的稳定性,也就是说信用评估值在定时间内要稳定地保持在同水平上,即使个取是结合前人研究成果和现实可行性提出的,由于客观原因存在定局限性,随着信息数据库完善,指标体系也应该根据预测效果不断修正。还要指出本文所纳入样本集的客户全部是己经获得商业银行贷款批准的,所以研究总体只是己经获得贷款资格的客户的行为表现情况,随着经济发展可以将部分未获得贷款资格的借款人也纳入观察集合中......”。

4、“.....可以根据获贷款资格借款人的分布特征变化推断出未获得贷款资格的借款人特征变量信息,进而研究全部潜在客户的行为表现特征,可以增强金融机构的管理能力和盈利能力。第三,未考虑宏观经济环境因素的影响。经济环境的变化直接影响到商业银行的供给成本,进而影响到其利润水平,消费贷款的利率也会产生定的变化。同时,经济环境的变动也将直接影响到借款人的收入水平,进而影响到其还款意愿以及还本付息的能力。所以,经济环境应是信用评估模型中的个重要影响因素,但因为经济环境本身难以量化,而且它的影响是多方面的,因此在模型中难以体现。本文的设想是在个人信用评估模型给出消费信贷申请客户的信用评分基础上,将宏观经济环境因素作为缓和因素考虑,尤其是对于完全依靠信用评分无法做出贷款决定的客户进行宏观经济环境因素的考虑。第四,与信用体系建设较发达的国家相比,我国作为个发展中国家......”。

5、“.....导致影响个人信用评估的因素同发达国家存在些不同点如性别婚姻状况等指标变量。因此,在借鉴国外成熟的个人信用评估模型时,不能盲目地全盘接受,要经过理论分析和适用性检验。我国商业银行在建立消费信贷申请人个人信用评估系统时,被拒绝给与贷款的申请人信息不再纳入评分系统,只有被银行接受客户的履约记录才是可知的,本文数据的选取也基于这现实。因此,用于构建模型的数据与现实数据存在差异,这是本文研究未解决的个问题。随着我国个人信用信息基础数据库的投入运行,商业银行的数据获取将更便利,如果可以将被拒绝客户的信用信息纳入商业银行的评分系统,无疑将增强商业银行的风险管理能力和盈利能力。除了上面强调的局限性之外,毫无疑问资信评估将会继续成为在消费信贷中预测消费信贷风险的主要工具,研究出切合我国国清的消费信人情况发生些变动,信用评估值的变动也不宜过大。也就是说......”。

6、“.....那么新的个人信用评分模型的临界分值设置的贷款申请批准率下降或上升都是不妥的。因此,在实际操作中可以根据银行既有的贷款申请批准率来决定个人信用评分的临界分值。个人信用评估值的人工修正由于我国商业银行在建立个人信用评估模型方面尚处于起步阶段,模型设计仍不够合理,消费信贷申请人的个人信息缺失情况比较严重,因此在个人信用评估模型给出客户的信用评分后,专业的信贷审批人员可以根据己有的审批经验对客户的信用评分和放贷决策进行修正。当贷款审批人掌握了建立信用评估模型时所不具有的信息,如个信用分数很高的申请人被卷入到项经济诉讼中,或信用分数很低的申请人刚刚得到了份新工作,在这种情况下,贷款审批人员可以根据实际情况对该申请人的信用评分进行重新评价。另外种情况是个客户按信用得分评价时会被拒绝但商业银行仍给予放贷。例如,如果授信机构长期来看,当地大学生可能是个潜在的客户群体......”。

7、“.....但贷款审批人员仍可能批准其中的部分人以期培养些忠诚客户。第三种情况是当贷款审批人感到申请人有种不能解释的违约倾向时,他的经验告诉他批准该申请是不明智的,此时审批人会采用人工修正。般情况下,商业银行会给予信贷审批人员定的人工修正权限,将个人信用评分在个合理范围内进行调整。个人信用评估模型应用限制虽然信用评估模型有许多优点,但是这些模型本身也有些限制。首先是拒绝推论。所谓拒绝推论,即申请被拒绝者的数据不再纳入评分系统,导致样本选取的非随机性。只有被银行接受了的客户,其账户业绩表现的信息是违约还是履约才是可知的,但这样就忽略了被拒绝的客户,他们的信息不会包含在构建模型的数据库中,因此就没有机会来确知他们的信用价值性。因而,样本将会是有偏的也就是不同于般总体,其中履约客户的作用大大的得到了表现。使用这样本得到的信用评估模型通常将无法在完全的总体中表现良好......”。

8、“.....其次,对于消费贷款中个人资信评估的指标选取尚缺全面性,文中的指标变量选目光放注于这土地，纷纷开启小额贷款。小额贷款是以个人或家庭为核心的经营类贷款，其主要的服务对象为广大工商个体户小作坊小业主。贷款的金额般为元以上，万元以下。然而，无论是对个人还是对信贷公司来说，贷款都不能盲目。贷款金额的大小，是否具有偿还能力等等都是需要仔细考量的。实验目的为信贷公司建立个信用等级评估系统，对贷款人的家庭状况，个人年收入，固定资产估值，教育水平，有无历史拖欠记录等属性进行分析，由此来对贷款人进行信用等级的划分，目前将其分为三个等级，属于对应信用等级的贷款人具有相应的贷款金额上限。问题与挑战对目前已有的贷款人数据的婚姻状况，个人年收入，固定资产估值，教育水平，有无历史拖欠记录等属性在平台上按等级进行划分，每个人的属性都属于不同的等级......”。

9、“.....以此作为训练集估测出个分类模型，对于今后需要贷款的人在此模型上进行评估以确定该贷款人的信用等级，信贷公司可依据此等级来确定对其的贷款金额的大小。第二章数据准备与预处理数据采集个人客户信用评级从婚姻年收入工作年限固定资产估值教育水平拖欠记录次数等六个方面来分析借款人的信用状况。在实际的商业银行环境中，并非对所有的大客户的个人信息都有科学的管理，根据我国商业银行的实际情况以及国外多家金融机构的信用评级情况，评估客户的信用情况要考虑四大主要因素申请人的自然情况职业情况家庭情况与银行的业务往来关系。这四大因素实际上是对信用评级体系的种综合反映，具体包括以下因素自然情况年龄性别婚姻状况健康状况文化程度住宅类型当前住宅居住时间职业情况单位性质职业职位职称在当前单位的工作年限月收入家庭情况家庭人均月收入家庭债务收入比例与银行的业务往来关系账户存款金额业务往来其他借款情况......”。