科研之友
微信
新浪微博
Facebook
分享链接
摘要
信用评估是金融领域的一个关键问题，它可以预测出一个用户是否存在拖欠风险，从而减少坏账损失。信用评估的关键挑战之一就是数据集存在着大量无效或冗余特征。为了解决该问题，提出了一种改进的森林优化特征选择算法(Improved Feature Selection using Forest Optimization Algorithm, IFSFOA)。该算法针对原始算法FSFOA的不足，在初始化阶段使用基于卡方校验的初始化策略代替随机化初始，提升算法寻优的能力；在局部播种阶段利用多层级变异策略，优化局部搜索能力，解决FSFOA的搜索空间受限和局部性问题；在更新候选森林时，使用贪婪选取策略挑选优质树，淘汰劣质树，收敛搜索发散过程。最后在涵盖了低维、中维和高维的公开信用评估数据集上设置对比实验，结果表明IFSFOA在分类和维度缩减方面的能力的综合表现均优于FSFOA和近年提出的较为高效的特征选择算法，验证了IFSFOA的有效性。
- 出版日期2023
- 单位北京航空航天大学
