论文部分内容阅读
探讨了基于Logistic回归和分类树的客户信用评估。从众多客户信用度影响因子中选择一些探索性变量，建立了相应的关联性测试模型。描述了Logistic回归和分类树的具体算法以及相关概念，如期望信息、信息增益等，然后分别使用Logistic回归模型和分类树对客户信用进行了测试评估。比较分析结果表明，分类树模型具有较低的错误分类率和较好的灵活性，但对计算资源的要求较高，且很大程度上依赖于观测数据。