[发明专利]一种基于极限学习机的个人信用风险评估方法

摘要

本发明提出一种基于极限学习机的个人信用风险评估方法，避免了传统算法的局部极小、迭代次数过多、学习时间长以及人为设置大量网络训练参数等问题，只需要设置网络的隐层节点个数，而且在算法的执行过程中不需要调整网络输入权值，明显提高了分类的精度以及效率。

主权项

一种基于极限学习机的个人信用风险评估方法，其特征是，它的步骤为：步骤1，制作训练集并将数据进行预处理：根据可能出现的各种违约情况，不同的违约原因，尽可能全面的详细分析，制作有关个人信用数据的训练集和标签集，训练集为经过预处理之后的数据样本集合，首先将原始数据进行归一化预处理为0‑1之间的数据；步骤2，构造极限学习机：极限学习机包括：输入层、一个隐层、一个输出层，其中：输入层的数据是预处理之后的样本数据集，假设样本数据集有m个属性，n条数据，那么它就是一个m*1阶矩阵，输入层就拥有m个节点，中间的隐层有L个节点，需要人为设置，输出层就是分类之后的结果，假设分为T类，那么就有T个输出节点，即就得到一个T*L矩阵输出；步骤3，训练极限学习机，极限学习机的基本参数和规格设置完成后，每次选取固定个数的样本输入到极限学习机中，随机初始化权重和偏置，具体过程如下：步骤3.1：对极限学习机进行初始化，对输入权值和偏置进行随机初始化；步骤3.2：将训练样本和标签集导入初始化之后的极限学习机进行训练，经过计算，最终得到实际输出。步骤3.3：将实际输出与标签进行对比分析，得到结果。步骤3.4，个人信用数据分类，提取某个人的个人信用数据信息，进行归一化处理之后，将其输入到训练好的极限学习机中，最终得到识别结果。