论文部分内容阅读
电信客户信用风险等级评估是对电信客户的信用风险进行等级分类．针对建立客户信用风险等级分类模型时，大量带有类标注数据难以获得的问题，提出了基于主动学习的分类器建模方法，并对基于QBC（委员会投票选择）的主动学习算法进行改进以提高分类器的预测精度．通过对实际电信客户数据进行信用风险等级建模实验，结果表明：应用新算法，分类器使用了较少的带类标签样本数据，达到了与被动学习相同的精度，大大降低了信用专家评估数据的工作量．