1、“..... 有关的具体公式定义描述如下基本贝叶斯分类器假设个指定类别中各属性的取值是相互独立的。 这假设也被称为类别条件独立，它可以帮助有效减少在构造贝叶斯分类器时所需要进行的计算量。 贝叶斯算法运行结果图二〇四年十二月十九日星期五基于决策树的方法所谓决策树就是个类似流程图的树型结构，其中树的每个内部结点代表对个属性的测试，其分支就代表测试的每个结果......”。

2、“..... 树的最高层结点就是根结点。 决策树的中间点通常用矩形表示，而叶结点常用椭圆表示。 为了对未知数据对象进行分类识别可以根据决策树的结构对数据集中的属性值进行测试，从决策树的根结点到叶结点的条路径就形成了对相应对象的类别预测。 决策树可以很容易转换为分类规则......”。

3、“.....简称为是种监督式学习的方法，可广泛地应用于统计分类以及回归分析。 支持向量机属于般化线性法运行效果图二〇四年十二月十九日星期五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保持在同水平上,即使个人情况发生些变动,信用评估值的变动也不宜过大。 也就是说,如果商业银行目前的贷款申请批准率为......”。

4、“..... 因此,在实际操作中可以根据银行既有的贷款申请批准率行处理。 二〇四年十二月十九日星期五数据变换在所得的原始信息中绝大部分的字段值都是字符值，为了在数据处理中，占用更小的空间和取得更快的计算速度，要把字符型的数据转化为数值型的数据......”。

5、“..... 它能够预测类别所属的概率。 如个数据对象属于个类别的概率。 贝叶斯分类器是基于贝叶斯定理以下将会介绍而构造出来的。 对分类方法进行比较的有关研究结果表明简单贝叶斯分类器称为基本贝叶斯分类器在分类性能上与决策树和神经网络都是可比的。 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......”。

6、“..... 为个假设，若数据样本属于个特定的类别，那么分类问题就是决定，即在获得数据样本时，假设成立的概率。 是事后概率，或为建立在条件之上的概率。 例如假设数据样本是水果，描述水果的属性有颜色和形状。 假设为红色和圆状，为是个苹果的假设，因此就表示在已知是红色和圆状时，确定为个苹果的假设成立的概率相反为事前概率，在上述例子中......”。

7、“.....它是个苹果的概率，无论它是何种颜色和形状。 与相比，是建立在更多信息基础之上的，而前者则与无关。 类似的，是建方在基础之上的成立概率，也就是说若已知是个苹果，评估与比较个人收获在这个基于平台的个人信用评级模型设计与实现的模型中，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......”。

8、“.....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......”。

9、“.....二〇四年十二月十九日星期五目录第章概论课题背景实验目的问题与挑战第二章数据准备与预处理数据采集数据预处理数据清理数据变换第三章建立模型与分类实现贝叶斯分类方法基于决策树的方法支持向量机方法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效率比较模型应用分析与限制个人信用评估模型应用分析个人信用评估模型应用限制第五章后记任务分配个人收获二〇四年十二......”。