《表2 样本xi的样本依赖代价矩阵》
表1中,CTPi、CFPi、CFPi、CFPi分别表示样本xi不同预测结果导致的成本(代价)。关于代价敏感学习,在一些问题中,误分的代价与样本自身属性有关,而不仅仅与类别有关,比如不同贷款额度会带来不同的误分代价。Bahnsen等[27]将正确分类的代价定为0,对错误分类的代价进行计算,提出了信用评估中的样本依赖代价矩阵,如表2所示。其中,对于样本xi,Ri表示损失优质客户带来的损失,可根据借款利率和客户信用额度计算而得;CFPα基于资金不会闲置的假设,表示拒绝好的客户选择其他客户可能带来的潜在损失,可根据市场上的平均信用额度和平均利润率计算;cli表示其信用额度,可根据客户偿债能力的指标计算得到;Lgd表示坏账带来的损失占信用额度的比率,Bahnsen等在研究中拟定了Lgd为75%。通过这种规则可得出所有样本的代价矩阵,每个矩阵都是根据个体的情况计算,更精确地描述了误分类带来的代价。
图表编号 | XD00124260800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 张涛、汪御寒、李凯、张玥杰 |
绘制单位 | 上海财经大学信息管理与工程学院、上海财经大学上海市金融信息技术研究重点实验室、上海财经大学信息管理与工程学院、上海财经大学信息管理与工程学院、复旦大学计算机科学技术学院、复旦大学上海市智能信息处理重点实验室 |
更多格式 | 高清、无水印(增值服务) |