论文部分内容阅读
信用卡市场具有信贷信息不对称的特征，是信用卡风险产生的主要原因之一。在信贷信息不对称下，如何利用统计分析、数据挖掘等高新技术，建立可靠的分析模型，对信用卡用户的行为进行风险识别和预测具有非常重要的意义。本文首次把非参数随机森林分类(RFC)方法应用到信用卡信用风险的评估中，并和其他模型进行比较，发现非参数随机森林方法往往要优于基准的Logitic模型和SVC模型。