信用风险的评估是银行风险管理的核心内容，世界银行对全球银行业危机的研究表明，导致银行破产的最常见原因就是信用风险。个人倍用评估是商业银行个人金融业务开展及信贷审批的关键环节，是个人信用风险管理的核心。对个人信用进行科学量化，建立起完善的个人信用评估体系及&动化的信用评估系统，足商业银行提高经营效益的迫切需要。通过对个人进行科学的信用评估，可以正确识别个人信用风险，促进信用资源的优化配置，BP神经网络方法是一种具有自组织、自适应、自学习特点的非参数方法，它对样本数据的分布要求不严格，不仅具有非线

基于模糊积分的集成支持向量机的商业银行信用风险评估，吴冲，王栋，在商业银行信用风险评价指标体系的基础上，建立了基于模糊积分的集成支持向量机(ISVM)的商业银行信用风险评估模型。由于ISVM能够使�

基于支持向量机的商业银行信用风险评估模型，刘闽，林成德，本文将支持向量机（Support Vector Machine，SVM）用于建立商业银行的信用风险评估模型。通过与MDA以及神经网络模型的比较，证实了该方法�

信用评估是商业银行等机构防范风险的重要途径，为了提高信用评估的准确率，使用随机森林（RF）来建立风险评估模型。针对随机森林模型的性能与参数的选择和数据集不平衡比例密切相关，提出了一种基于随机森林的组合分类算法（KM-GA-RF）。以UCI数据库中的German数据集进行研究，通过K-means算法对标签进行类分解。而对于哪个类分成的簇数（ki）以及随机森林算法自身的参数：树数（n_estimators）、特征数（max_features），使用改进的遗传算法对其进行优化选取。实验结果表明，基于随