5859这族分类器的特点是他们能够同时最小化经验误差与最大化几何边缘区，因二〇一四年十二月十九日星期五此支持对象的类别预测。

决策树可以很容易转换为分类规则。

基于J算法的决策树运行效果图二〇一四年十二月十九日星期五基于J算法的决策树支持向量机方法支持向量机（SupportVectorMachine，简称为最高层结点就是根结点。

决策树的中间点通常用矩形表示，而叶结点常用椭圆表示。

为了对未知数据对象进行分类识别可以根据决策树的结构对数据集中的属性值进行测试，从决策树的根结点到叶结点的一条路径就形成了对相应行结果图二〇一四年十二月十九日星期五基于决策树的方法所谓决策树就是一个类似流程图的树型结构，其中树的每个内部结点代表对一个属性的测试，其分支就代表测试的每个结果，而树的每个叶结点就代表—个类别。

树的个指定类别中各属性的取值是相互独立的。

这一假设也被称为类别条件独立(classconditionalindependence)，它可以帮助有效减少在构造贝叶斯分类器时所需要进行的计算量。

贝叶斯算法运P(X)，P(H)和P(X|H)计算获得的P(H|X)。

有关的具体公式定义描述如下)()()|()|(XPHPHXPXHP基本贝叶斯分类器(naiveBayesianclassifiers)假设一之上的X成立概率，也就是说若已知X是一个苹果，那它是红色和圆状的概率可表示为P(X|H)。

由于P(X)，P(H)和P(X|H)的概率值可以从(供学习使用的)数据集合中得到，贝叶斯定理则描述了如何根据，在上述例子中，P(H)就表示任意一个数据对象，它是一个苹果的概率，无论它是何种颜色和形状。

与P(H)相比，P(H|X)是建立在更多信息基础之上的，而前者则与X无关。

类似的，P(X|H)是建方在H基础如假设数据样本是水果，描述水果的属性有颜色和形状。

假设X为红色和圆状，H为X是一个苹果的假设，因此P(H|X)就表示在已知X是红色和圆状时，确定X为一个苹果的H假设成立的概率相反P(H)为事前概率别未知的数据样本。

H为某个假设，若数据样本X属于一个特定的类别C，那么分类问题就是决定P(H|X)，即在获得数据样本X时，H假设成立的概率。

P(H|X)是事后概率，或为建立在X（条件）之上的H概率。

例分类方法进行比较的有关研究结果表明简单贝叶斯分类器(称为基本贝叶斯分类器)在分类性能上与决策树和神经网络都是可比的。

&nbs因此P(H|X)就表示在已知X是红色和圆状时，确定X为一个苹果的H假设成立的概率相反P(H)为事前概率别未知的数据样本。

H为某个假设，若数据样本X属于一个特定的类别C，那么分类问题就是决定P(H|X)，即在获得数据样本X时，H假设成立的概率。

P(H|X)是事后概率，或为建立在X（条件）之上的H概率。

例分类方法进行比较的有关研究结果表明简单贝叶斯分类器(称为基本贝叶斯分类器)在分类性能上与决策树和神经网络都是可比的。

在处理大规模数据库时，贝叶斯分类器巴表现出较高的分类准确性和运算性能。

设X为一个类九日星期五第三章建立模型与分类实现贝叶斯分类方法贝叶斯分类器是一个统计分类器。

它能够预测类别所属的概率。

如一个数据对象属于某个类别的概率。

贝叶斯分类器是基于贝叶斯定理(以下将会介绍)而构造出来的。

对行处理。

二〇一四年十二月十九日星期五数据变换在所得的原始信息中绝大部分的字段值都是字符值，为了在数据处理中，占用更小的空间和取得更快的计算速度，要把字符型的数据转化为数值型的数据。

二〇一四年十二月十九行处理。

二〇一四年十二月十九日星期五数据变换在所得的原始信息中绝大部分的字段值都是字符值，为了在数据处理中，占用更小的空间和取得更快的计算速度，要把字符型的数据转化为数值型的数据。

二〇一四年十二月十九日星期五第三章建立模型与分类实现贝叶斯分类方法贝叶斯分类器是一个统计分类器。

它能够预测类别所属的概率。

如一个数据对象属于某个类别的概率。

贝叶斯分类器是基于贝叶斯定理(以下将会介绍)而构造出来的。

对分类方法进行比较的有关研究结果表明简单贝叶斯分类器(称为基本贝叶斯分类器)在分类性能上与决策树和神经网络都是可比的。

在处理大规模数据库时，贝叶斯分类器巴表现出较高的分类准确性和运算性能。

设X为一个类别未知的数据样本。

H为某个假设，若数据样本X属于一个特定的类别C，那么分类问题就是决定P(H|X)，即在获得数据样本X时，H假设成立的概率。

P(H|X)是事后概率，或为建立在X（条件）之上的H概率。

例如假设数据样本是水果，描述水果的属性有颜色和形状。

假设X为红色和圆状，H为X是一个苹果的假设，因此P(H|X)就表示在已知X是红色和圆状时，确定X为一个苹果的状况，个人年收入，固定资产估值，教育水平，有无历史拖欠记录等属性进行分析，由此来对贷款人进行信用等级的划分，目前将其分为A，B，C三个等级，属于对应信用等级的贷款人具有相应的贷款金额上限。

问题与挑战对目前已有的贷款人数据的婚姻状况，个人年收入，固定资产估值，教育水平，有无历史拖欠记录等属性在weka平台上按等级进行划分，每个人的属性都属于不同的等级，全方位综合的将其分类为不同信用等级，以此作为训练集估测出一个分类模型，对于今后需要贷款的人在此模型上进行评估以确定该贷款人的信用等级，信贷公司可依据此等级来确定对其的贷款金额的大小。

二〇一四年十二月十九日星期五第二章数据准备与预处理数据采集个人客户信用评级从婚姻、年收入、工作年限、固定资产估值、教育水平、拖欠记录次数等六个方面来分析借款人的信用状况。

在实际的商业银行环境中，并非对所有的大客户的个人信息都有科学的管理，根据我国商业银行的实际情况以及国外多家金融机构的信用评级情况，评估客户的信用情况要考虑四大主要因素申请人的自然情况、职业情况、家庭情况、与银行的业务往来关系。

这四大因素实际上是对信用评级体系的一种综合反映，具体包括以下因素（）自然情况年龄、性别、婚姻状况、健康状况、文化程度、住宅类型、当前住宅居住时间（）职业情况单位性质、职业、职位、职称、在当前单位的工作年限、月收入（）家庭情况家庭人均月收入、家庭债务收入比例（）与银行的业务往来关系账户、存款金额、业务往来、其他借款情况。

由于实验时间和个人能力所限，经小组讨论后我们在四大主要因素中选取了婚姻、年收入、工作年限、固定资产估值、教育水平、拖欠记录次数六个属性，其中婚姻划分三个等级，年收入、工作年限、固定资产估值、教育水平、拖欠记录次数均划分为四个等级，总共收集分数据样本。

数据预处理初步采集的数据很多是不完整的、有噪声的，所以在获取数据源后，需要进行数据的清洗和转换，使其符合数据挖掘算法的要求，并能够产生最为可靠和准确的结果。

数据清理先对数据进行整理、对噪声数据进行处理，以增加数据挖掘结果的准确性。

（）对空值的处理空值出现的可能性很多，主要是由于数据采集时缺乏样本数据产生。

对空值的处理有很多方法，比如最大频数填充、平均值填充、人工随机填充等。

根据本数据样本的具体情况我们决定采用人工随机填充的方法。

（）对噪声数据的处理可以采用分箱、聚类、回归等。

本实验采用分箱的方法对噪声数据进行处理。

二〇一四年十二月十九日星期五数据变换在所得的原始信息中绝大部分的字段值都是字符值，为了在数据处理中，占用更小的空间和取得更快的计算速度，要把字符型的数据转化为数值型的数据。

二〇一四年十二月十