论文部分内容阅读
为提高信用评估的预测精度,提出一种基于装袋的基因表达式编程（GEP）多分类器集成算法。该算法采用Bagging方法将GEP产生的多个差异基分类器进行集成。在德国信用数据库真实数据集上的实验及性能分析表明,该算法较SVM算法的预测精度提高约2.7%;较KNN（K=17）算法的预测精度提高约7.93%;较单GEP分类算法的预测精度提高约1.1%。