银行典型案例

商业银行个人信用评估就是根据个人信息和借贷记录等历史数据，判断个人信用，它是保证信贷安全的重要一环。但是商业银行用于信用评估的数据往往具有特性不稳定，历史样本容量较小，指标较多，呈明显的非正态分布。这些特点导致很难利用一般的统计技术进行有效的评估。支持向量机模型 ( 简称 SVM) 能够很好的处理此类数据，进行有效的信用评估。本文介绍了 SVM 的基本概念以及 Modeler 中使用 SVM 进行信用评估的基本步骤和方法，并对结果进行分析和应用。

支持向量机模型简介

支持向量机 (Support Vector Machine, 简称 SVM) 是一项功能强大的分类和回归技术，可最大化模型的预测准确度。与其他常用模型不同，SVM 一个优势就是能很好的处理小样本，高维数，非正态的数据。

SVM 的工作原理是将原始数据通过变换映射到高维特征空间，这样即使数据不是线性可分，也可以对该数据点进行分类。之后，使用变换后的新数据的进行预测分类。例如，图 1 中的数据点落到了两个不同的类别中，可以用一条曲线分隔这两个类别。对数据使用某种数学函数变换后，可以用超平面定义这两个类别之间的边界。

图 1. 数据变换后线性可分示意图

用于变换的数学函数称为核函数。IBM SPSS Modeler 中的 SVM 支持下列核函数类型：

• 线性

• 多项式

• 径向基函数 (RBF)

• Sigmoid

如果数据的线性分隔比较简单，则建议使用线性核函数。在其他情况下，应当使用其他核函数。在所有情况下，最好尝试使用不同的核函数，才能从中找出最佳模型，因为每一个函数均使用不同的算法和参数。

回页首

使用 IBM SPSS Modeler 支持向量机模型评估客户信用

IBM SPSS Modeler 中的 SVM 提供了可视化的操作方法，具有界面友好，操作方便的特点。此节，介绍如何使用 IBM SPSS Modeler SVM 评估客户信用。操作步骤分为：

• 创建基本流（Modeler Stream），建立模型；
• 测试模型，分析结果；
• 用不同的核函数建模，比较并选择合适的模型；
• 运用选定的模型来评估客户信用。

我们使用 UCI Machine Learning Repository 上公开的商业银行客户信用记录作为数据集进行演示。该数据集由 1000 条个人信用记录组成，每条记录均包含一组个人信息值，其中包括对客户信用的评估结果。1000 条记录保存在 CreditData.csv 文件中，从 1000 条记录中抽出一部分用于演示用选定的模型评估客户信用，将这部分数据保存到 CreditData4Estimate.csv 文件中。

创建基本流（Modeler Stream），建立模型

图 2. 基本流建模图

基本流如图 2 所示，创建步骤如下

1) 添加源数据—选择合适的数据

创建新流，命名为 SVM.str。从“源”选项卡中添加一个“可变文件”节点到 SVM.str，从“输出”选项卡中添加一个“表”节点到流，并将“表”节点连接到“可变文件”节点。打开“可变文件”节点，导入客户信用数据 CreditData.csv。运行“表”节点，显示源文件中数据，如图 3 所示。数据有 22 个字段，1000 条记录。ID 字段为客户标志符。每个客户的信息包含在从 StatusChkAccount到 Foreigner的字段中。Class字段表示信用评级，取值为良 ( 值 =1) 或者差 ( 值 =2)。

图 3. 源数据图

2) 设置类型—选择用作预测的变量和目标变量

从“字段选项”选项卡中添加一个“类型”节点到 SVM.str, 并将它连接到“可变文件”节点之后，打开“类型”节点，并单击 [ 读取值 ] 按钮。获得数据集描述，如图 4 所示。

图 4. 源数据类型描述图

本模型，希望预测 Class的值 ( 此字段只有 2 个值，即良 (=1) 还是差 (=2))。在“类型”设置界面中，单击 Class字段的“测量”列，将其改为“标志”，将 Class的角色设置为 “目标”;ID字段作为个人标识符，不会对建模和预测产生影响，不会用作预测变量或模型的目标，将其角色设置为“无”; 其他字段作为特征字段用作预测变量，因此将其角色设置为 “输入”。

3) 添加分区—选择建模的数据和测试模型的数据

为了建立模型 ( 即训练模型 )，同时测试模型，需要把数据集 CreditData.csv 分为两部分，一部分用于建立模型，另一部分用于测试新建模型。分区节点通过在源数据表中添加一个字段，根据字段的不同取值，将数据分区。“分区”节点最多可以将数据分为三部分，分别用于训练、测试和验证。

从“字段选项”选项卡中添加“分区”节点到流，将其连接到“类型”节点，打开“分区”节点，使用默认设置。默认分为“训练”和“测试”两个分区，大小分别 50%。选择“设置随机种子数”表示分区是随机分区的。

图 5. 分区节点图

添加“表”节点并连接到“分区”节点之后。运行“表”节点，如图 6 所示，“分区”字段被加入到表中。

图 6. 添加分区字段的数据图

4) 添加“建模”节点—建模

从“建模”选项卡中添加“SVM”节点，并连接到“分区”节点之后。双击“SVM”节点，设置属性。

“字段”选项卡默认选中“使用类型节点设置”。

在“模型”选项卡中，如图 7 左所示，选中“自定义”选项，在相邻的文本字段中键入 class-rbf 作为“模型名称”；默认选中“使用分区数据”和“为每个分割构建模型”，流中没有添加“分割”节点，这个选项没有实际作用，关于其功能这里不介绍，有兴趣的读者可以参考帮助文档。

在专家选项卡中，如图 7 右所示，将“模式”设为“专家”以获得可靠性，“内核类型”（即核函数）默认设为 RBF，其他选项使用默认值，这些选项是建模参数，这里不介绍，有兴趣的读者可以参考帮助文档。在“简单”模式下所有选项均为不可设置。

图 7. 模型设置图

在“分析”选项卡上，选中“计算变量重要性”复选框，其他两个选项“计算原始的趋向得分”和“计算调整倾向得分”默认不选中，关于这两个选项功能，这里不介绍，有兴趣的读者可以参考帮助文档。

“注解”选项卡不作额外设置。

单击运行。运行成功表示建模完成，创建模型块被添加到流中。至此，流基本建立完毕，如上面图 2 所示。

测试模型，分析结果

双击建模生成的模型块 class-rbf。如图 8 所示，在“模型”选项卡上，预测变量重要性图显示了不同变量对预测的影响程度，从上到下预测变量的重要程度依次降低，其中 StatusChkAccount和 SavingAccounts的对预测的影响度最大。“设置”选项卡指定在查看结果时显示的附加字段。“汇总”选项卡显示了分析 ( 包含记录数，分析准确性 )、字段、构建设置、训练汇总等信息。这两个选项卡的详细功能，本文不介绍，请参考帮助文档。

图 8. 模型图

模型块 class-rbf 之后添加“表”节点，运行表节点，使用创建的 class-rbf 模型对源数据中数据进行测试，获得图 9 所示结果。

图 9. 训练评估结果图

图 9 的结果中，class-rbf 模型创建了两个新字段。向右滚动表输出可看到这两个字段：

表 1.带表头、所有列左对齐的样式

查看上表，看到大多数记录的倾向得分（$SP-Class 列）都相当高，即预测的准确度相当高。但是也存在一些明显的例外情况 , 例如图 9 位于第 98 和 99 行的记录，其倾向得分为 0.539 和 0.535。比较这两行的 Class 和 $S-Class，可以看到此模型对这两行记录做出了不正确的预测。因此，在实际使用模型预测时，选择相信倾向得分大于预设值的预测结果。

为了统计表中的预测信息，添加“分析”节点并连接到 class-rbf 模型块，运行“分析”节点，获得预测汇总结果 , 如图 10 左所示。根据汇总结果，class-rbf 模型对于“1_ 训练”分区，预测正确率是 99.59%；对于“2_ 测试”分区，预测正确率是 71.93%。

如果选择相信倾向得分大于 0.95 的预测结果，那么预测正确率更高。添加“选择”节点，将其连接至 class-rbf 模型块之后，再将“分析”节点连接至“选择”节点之后 ( 在警告对话框上选择替换 )，在“选择”节点中设置只包含 $SP-Class>=0.95 的记录。再运行“分析”节点，得到图 10 右所示结果。可以看到 class-rbf 模型对于“2_ 测试”部分的预测正确率达到 81.39%

图 10. 模型测试结果图

使用不同的核函数，选择最合适模型

为了比较不同的核函数创建的模型，添加第二个“SVM”建模节点并连接到“分区”节点之后，打开新“SVM”节点，在“模型”选项卡上选择“自定义”并将 class-poly 作为模型名称；在“专家”选项卡上，将模式设置为专家；将内核类型设置为多项式并单击运行，class-poly 模型块被成功创建。将 class-poly 模型块连接到 class-rbf 模型块之后（在警告对话框上选择替换），将 class-poly 模型连接到“分析”节点 ( 在警告对话框上选择替换 ), 在 class-poly 模型块之后添“表”节点。最终建立的流如图 11 所示。我们还可以看到 class-rbf 模型块和 class-poly 模型块被添加到屏幕右上角的“模型”选项板。

图 11. 多核函数建模图

运行连接到 class-poly 模型的表节点，如图 12 所示 , 为 class-poly 模型生成的预测值和倾向得分字段分别命名为 $S1-Class 和 $SP1-Class。可以对比对每条记录两个模型预测结果。

图 12. 两模型评估结果图

为了比较两个模型各自的预测准确度，运行分析节点，获得图 13 所示结果。

图 13. 两模型评估分析图

上图中，“单独模型”下面的“比较 $S-Class 与 Class”表示模型 Class-rbf 的预测结果，它与上面图 10 左的结果是一致的。“比较 $S1-Class 与 Class”表示 Class-poly 模型预测结果，该模型对于 487 条“1_ 训练”记录，全部预测正确；对于 513 条“2_ 测试”记录，有 360 条记录预测正确，正确率为 70.18%.

“$S-Class$S1-Class 之间的一致性”表示对所有的记录，两个模型预测结果相同的记录的统计信息。对于“1_ 训练”分区，两模型对于 485 ( 占训练记录总数 99.59%) 条记录的预测结果是相同的，对于“2_ 测试”分区，对 484 ( 占测试记录总数 94.35%) 条记录预测结果是相同的。“比较一致性与 class”表示两个模型预测结果相同的记录中，分别被正确预测和错误预测的记录数。从图 13 中可见，对“1_ 训练”分区，两模型预测结果相同的 485 条记录中，485 条记录被正确预测，0 条被错误预测；对“2_ 测试”分区，两模型预测结果相同的 484 条记录中，有 350 条记录被正确预测，134 条被错误预测，预测正确率为 72.31%。

可以看到，对于“1_ 训练”分区的预测正确率，两个模型都很高；对于“2_ 测试”分区的预测正确率，Class-rbf 的结果稍高。总体而言，两个模型差不多，Class-rbf 的预测能力稍好。

通过比较，找到最合适核函数创建模型，将创建的模型用于信用评估。

利用模型评估客户信用

确定最合适核函数，创建相应模型，应用此模型评估客户信用。为了评估客户信用，首先添加一个 “可变文件”节点，编辑该节点，打开需要评估的客户信息数据集 ( 该数据集的 class 字段为空 )。添加“表”节点连接到该数据集，运行“表”节点，预览待评估的数据集。从 modeler 界面右上角的“模型”选项板中拖入选定的模型块到流， 将该“可变文件”节点连接至该模型块之后，在模型块之后添加“表”节点，运行该“表”节点，获得评估结果。

图 14. 应用模型评估客户信用图

如图 14 中，左侧是用于评估的流，可见，用于评估的数据集连接到选定的模型 class-rbf。右侧是运行表节点的结果，因为这个数据集是用来评估的，class 字段是空，$S-class 字段是评估的结果，$P-class 是评估的可信程度。我们可以信任 $P-class 值是 0.95 及其以上的判断结果，对于小于 0.95 的值的判断结果，作为一定参考，再结合别的方法判断。

小结

本文通过一个实际的商业问题—银行评估客户，引入了 IBM SPSS Modeler 支持向量机（SVM）模型。首先给出了 SVM 的相关概念，接着带领读者一步步创建模型，分析模型，选择模型，应用模型来解决该实际问题。可以将本模型应用到其他的场景中，如基因分析、文本处理等领域，应用 SVM 可以取得理想的结果。