信用卡业务是一项业务空间广阔、利润潜力巨大的金融服务。在发达国家,信用卡业务是许多国际大银行的主要利润来源。随着中国经济的发展,信用卡业务在中国呈现出高速增长的态势。在信用卡业务中,金融机构要面对的主要问题之一是个人信用风险难于评估和控制,导致信用卡业务风险过高,因此,个人信用评估模型的研究具有十分重要的应用价值。本文从数据挖掘的角度,采用基于条件信息熵的数据预处理技术,运用遗传规划和神经网络技术,对信用评估模型进行研究。具体研究工作如下: 1.研究数据挖掘中的预处理技术。数据预处理能够帮助改善数据的质量,进而帮助提高数据挖掘进程的有效性和准确性。本文从代数和信息论两个角度介绍粗糙集的相关概念,粗糙集中的信息熵,在此基础上,深入研究基于条件信息熵的数据离散化和属性约简算法,并将其运用于信用数据的预处理中,从而提高数据的质量。2.提出基于遗传规划和神经网络的两阶段信用评估模型。GP遗传规划和BP神经网络都被广泛应用于分类与预测。通过结合遗传规划和BP神经网络,本文提出一种两阶段的混合信用评估模型,以弥补单一算法的不足,采用遗传规划学习提取IF-THEN规则,从而为决策者提供简洁的规则,同时采用BP神经网络以解决IF-THEN规则匹配失败的问题。第一阶段,利用遗传规划学习得到的规则进行信用评估,如果失败则进入第二阶段;第二阶段,使用训练后的神经网络解决规则匹配失败的问题。通过UCI数据集上的仿真实验,验证了该模型的可行性,通过与相关模型比较,也可得出其分类准确率高于一般的信用评估模型。