李博敏 夏春蒙

摘要：在大數(shù)據(jù)時代，“數(shù)據(jù)”的作用不可估量，被廣泛應(yīng)用到各個領(lǐng)域，提高了各行各業(yè)的生產(chǎn)效率，繼而促進(jìn)了經(jīng)濟(jì)的高速發(fā)展。同時，由于數(shù)據(jù)的高效使用，我們的生活方式也在不斷改變，其中最值得重視的是我們的消費模式發(fā)生了很大的變化，信用消費模式越來越普遍，所以對消費個體進(jìn)行信用評估也就越來越重要。對個人進(jìn)行信用評估指的就是對個人的歷史信貸數(shù)據(jù)進(jìn)行綜合分析，判斷其是否能夠按期還款。文章采用機(jī)器學(xué)習(xí)的方法，先用支持向量機(jī)（SVM）算法對個人的信用進(jìn)行評估，然后再采用遺傳算法對支持向量機(jī)進(jìn)行優(yōu)化（GA-SVM），并進(jìn)行實證分析。實證結(jié)果顯示，采用GA-SVM模型對個人信用進(jìn)行評估的效果比SVM的效果更好。

關(guān)鍵詞：支持向量機(jī);遺傳算法;GA-SVM;優(yōu)化算法。

中圖分類號：F832.4

1? 引言

隨著大數(shù)據(jù)時代的不斷發(fā)展，數(shù)據(jù)共享已經(jīng)成為了一種趨勢，這也滲透到各行各業(yè)的發(fā)展中去了。我們的生活方式在逐步改變，就拿消費行為來說，人類社會已經(jīng)從以物換物的時代走進(jìn)了貨幣時代，現(xiàn)在正朝著數(shù)字時代大步向前。新興的信用消費模式越來越受歡迎，當(dāng)然，任何一個新興事物的發(fā)展必然會帶來新的難題，信用消費模式的產(chǎn)生帶來的一個最重要的難題就是信用是如何產(chǎn)生的，即如何去評估一個人的信用狀況。個人信用評估是指通過分析個人的信貸信息，從而判斷他的信用水平，供貸款發(fā)放者參考能不能向其發(fā)放貸款以及發(fā)放的額度，這對商業(yè)銀行及其他金融機(jī)構(gòu)來說十分重要。國外學(xué)者很早就對個人信用評估方法進(jìn)行了研究，探索到了很多適合的模型及方法[1]。運用統(tǒng)計學(xué)的方法對個人的信用進(jìn)行評估具有很強(qiáng)的解釋性，但是如果只用統(tǒng)計模型進(jìn)行分析的話，必須要求我們的數(shù)據(jù)有嚴(yán)格的分布，而往往我們的個人信貸數(shù)據(jù)維度比較高、定性變量較多，分布也不是特別的嚴(yán)格，所以并不是很適合用統(tǒng)計學(xué)的方法來分析。支持向量機(jī)（Support Vector Machine，SVM）算法主要用于對數(shù)據(jù)進(jìn)行分類，并且不用要求有嚴(yán)格的數(shù)據(jù)分布。Van Gestel對信用評估模型進(jìn)行了研究，發(fā)現(xiàn)SVM算法能取得不錯的結(jié)果[2]。但是，SVM的參數(shù)并不好確定，基于這一點，我們首先使用SVM對個人的信用狀況進(jìn)行評估，然后再采用遺傳算法（Genetic Algorithm，GA）進(jìn)行優(yōu)化，并進(jìn)行了實例驗證。

2? 支持向量機(jī)算法（SVM）

支持向量機(jī)（SVM）是按監(jiān)督學(xué)習(xí)的方式對數(shù)據(jù)進(jìn)行二分類的一種人工智能方法，它對小樣本的數(shù)據(jù)集進(jìn)行分類的效果比較好。并且，SVM還通過引入核函數(shù)使其成為了一種非線性的分類器，它的學(xué)習(xí)策略就是找到一個最優(yōu)的分離超平面，然后將目標(biāo)轉(zhuǎn)化為一個求解凸二次規(guī)劃最優(yōu)化的問題。

SVM的目標(biāo)是求解能夠正確劃分訓(xùn)練數(shù)據(jù)集并且?guī)缀伍g隔最大的分離超平面。圖1為SVM分類示意圖， 是分離超平面，如果只是單純的想要找到能夠?qū)?shù)據(jù)集劃分開的超平面，那么這樣的超平面有無數(shù)個，這也就是我們所說的感知機(jī)，但是想要找到幾何間隔最大的分離超平面卻沒那么容易，這樣的超平面也是唯一的[3]。

假設(shè)在特征空間上的訓(xùn)練數(shù)據(jù)集為：

其中， ， ， ， 為第 個特征向量， 為標(biāo)簽值。

對于具備p個特征的數(shù)據(jù)，其特征向量為p維向量，SVM的目的就是找到能夠?qū)深悩颖军c完全分離開的一個p-1維超平面。對于給定的數(shù)據(jù)集T和超平面 來說，這個超平面關(guān)于樣本點 的幾何間隔的計算公式為：

（1）

SVM所求解的超平面是使得間隔最大的超平面，SVM模型可進(jìn)一步改進(jìn)為：

s.t? ? ? ? ? ? ? ?（2）

其中， 為松弛變量; 表示懲罰因子，表示部分樣本能夠允許不完全被超平面完整劃分的約束強(qiáng)弱。

如果想要解決空間中的非線性分類問題，則可以通過非線性變換將它轉(zhuǎn)化為線性分類問題來求解。在高維特征空間內(nèi)求解樣本的最優(yōu)分類超平面是通過點積來計算的，即 ，我們需要找到一個函數(shù) ，使得 。所以，我們只用將原來在低維空間中的 換成 ，然后計算點積 就可以了，這里的函數(shù) 則被稱為支持向量機(jī)的核函數(shù)。

支持向量機(jī)能夠有效解決小樣本數(shù)據(jù)的分類問題，其抗噪聲能力比較強(qiáng)，并且能夠有效解決非線性的問題。但是，當(dāng)樣本的數(shù)據(jù)量太大的時候，模型訓(xùn)練耗費的時間就會比較長。支持向量機(jī)主要是用于做分類的，還可以通過建模進(jìn)行預(yù)測，比如對景區(qū)的人流量進(jìn)行預(yù)測。

3? 遺傳算法（Genetic Algorithm，簡稱GA）

遺傳算法（GA）是基于生物學(xué)上“優(yōu)勝劣汰，適者生存”的理論，通過設(shè)定一個適應(yīng)度函數(shù)，對群體中的個體進(jìn)行選擇、交叉、變異的遺傳操作，選出適應(yīng)度高的個體，然后再將選出來的新個體組成一個新的群體，這樣，新群體的個體適應(yīng)度就會不斷提高，直至找到我們需要的最優(yōu)解，也就是群體中適應(yīng)度最高的個體[4]。GA的最主要的特點就是不用對算法進(jìn)行求導(dǎo)，并且它的自適應(yīng)性也是很好的。

在使用GA的時候，第一步就是要進(jìn)行編碼得到“染色體”，然后進(jìn)行遺傳操作，通過選擇、交叉、變異進(jìn)行搜索，找出問題的最優(yōu)解，其中選擇和交叉是對算法進(jìn)行優(yōu)化搜索，變異用于提高算法尋優(yōu)的速度。

選擇就是從種群的所有個體中挑選出合適個體的過程，可以通過計算適應(yīng)度來挑選，適應(yīng)度高的個體更可能被挑選出來產(chǎn)生下一代，與此同時，適應(yīng)度低的個體則會被淘汰，這樣一代一代遺傳下去，得到的解也就越來越接近最優(yōu)解。交叉就是將兩個個體的一段“染色體”進(jìn)行替換和重組，然后再產(chǎn)生下一代的過程，交叉?zhèn)€體以及染色體片段的選擇都是隨機(jī)的。通過交叉，GA可以隨機(jī)搜索，得到更接近最優(yōu)解的種群。變異就是隨機(jī)地改變個體的某個位置的“染色體”，首先按照一定概率判斷個體是否會發(fā)生變異，然后對于發(fā)生變異的個體，隨機(jī)改變其中的一段“染色體”。這樣做既能讓算法有局部隨機(jī)搜索的功能，還能夠增加種群的多樣性。

由于GA的解具有進(jìn)化性，所以利用GA可以處理各種目標(biāo)函數(shù)，尋找各種問題的最優(yōu)解[5]。若當(dāng)前最優(yōu)個體的適應(yīng)度滿足預(yù)定值或者迭代次數(shù)達(dá)到上限，則可以終止算法，即當(dāng)前最優(yōu)個體就是我們要找的全局最優(yōu)解。遺傳算法的應(yīng)用涉及多個領(lǐng)域，如函數(shù)優(yōu)化、組合優(yōu)化以及生產(chǎn)調(diào)度等等。

4? GA-SVM

參數(shù)的設(shè)置對于任何一個算法的建模過程來說都是很重要的一步，至于SVM算法，核函數(shù)以及懲罰因子是重要的參數(shù)[6]。引入GA以后，GA-SVM模型主要分為兩步，因為GA能夠進(jìn)行全局搜索尋找最優(yōu)解，所以我們首先通過GA自動尋找到最優(yōu)的參數(shù)組合，并將其作為支持向量機(jī)的參數(shù)，然后使用優(yōu)化后的參數(shù)進(jìn)行建模。

利用GA尋找SVM中的最優(yōu)參數(shù)流程如下圖2所示：

首先將SVM的參數(shù)編碼為GA的染色體，然后初始化“染色體”種群，劃分訓(xùn)練集和測試集。接下來就是建立模型，運用SVM算法進(jìn)行分類，并計算適應(yīng)度值，然后通過一系列的遺傳操作，選出較優(yōu)的個體組成新的群體，再次利用SVM進(jìn)行分類，如此重復(fù)多次，直至適應(yīng)度值達(dá)到預(yù)設(shè)的要求或者迭代次數(shù)達(dá)到上限，在得到優(yōu)化后的參數(shù)組合后，就可以根據(jù)此參數(shù)進(jìn)行建模了。

5? 實例分析

5.1? 數(shù)據(jù)描述

這里我們使用的數(shù)據(jù)一共有150000條，目標(biāo)屬性用0和1表示，0表示貸款申請者正常還款，1表示貸款申請者逾期還款，自變量有10個。數(shù)據(jù)集描述如下表1：

5.2? 數(shù)據(jù)處理

在數(shù)據(jù)預(yù)處理的過程中，第一步就是查看是否有缺失值，我們采用均值填充的方法來填充缺失值;第二步通過繪制相關(guān)系數(shù)熱力圖查看各自變量之間是否存在相關(guān)性以及相關(guān)性大小，通過構(gòu)建去共線性函數(shù)來消除共線性對結(jié)果的影響;第三步我們繪制出各變量的箱型圖查看是否存在異常值，然后根據(jù)箱型圖的結(jié)果構(gòu)建異常值及明顯錯誤處理函數(shù)，避免因為存在異常值而影響模型的效果;第四步，由于數(shù)據(jù)集的標(biāo)簽值不平衡，所以要對樣本進(jìn)行重采樣，避免因為樣本數(shù)據(jù)不平衡而對結(jié)果造成影響。

5.3? 實驗結(jié)果與分析

我們先采用支持向量機(jī)算法對實例進(jìn)行分析，并計算出SVM算法下的正確率（accuracy）、精準(zhǔn)率（precision）以及AUC值，然后再利用遺傳算法的全局搜索能力不斷優(yōu)化SVM的參數(shù)，最后計算在最優(yōu)參數(shù)下該模型的正確率（accuracy）、精準(zhǔn)率（precision）以及AUC值。實驗分析的結(jié)果如下表2所示：

6? 結(jié)論

由于我們的數(shù)據(jù)集中標(biāo)簽值分布不均，我們要先對樣本進(jìn)行重采樣處理，然后再經(jīng)過一系列的數(shù)據(jù)清洗，實驗證明：用遺傳算法優(yōu)化過后的GA-SVM算法的結(jié)果要好于單純SVM算法的結(jié)果。

參考文獻(xiàn)

[1] Lyn C Thomas.A Survey of Credit and Behavioral Scoring：Forecasting Financial Risk of Lending to Consumers[J].International Journal of Forecasting， 2000， 16： 149-172.

[2] Gestel Van，Baesens B.，Garcia J. et al.A support vettor machines approach to credit scoring[J].Bank en Financiewezen，2003，2，73-82.

[3] 馬志春，劉振永，吳淑花.基于支持向量機(jī)的光伏發(fā)電功率預(yù)測系統(tǒng)設(shè)計[J].現(xiàn)代電子技術(shù)，2021，44（10）：91-94.

[4] 由睿鵬.計算機(jī)網(wǎng)絡(luò)優(yōu)化設(shè)計中遺傳算法的原理及應(yīng)用[J].電子技術(shù)與軟件工程，2020（20）：14-15.

[5] 曹銀行，柳貢民，張龍.基于遺傳算法的分支管路系統(tǒng)動力學(xué)優(yōu)化設(shè)計[J].振動與沖擊，2021，40（09）：221-227+253.

[6] 吳修君. 基于組合核GA-SVM的惡意軟件檢測方法研究[D].武漢理工大學(xué)，2019.