信用風險評估是信用風險管理領(lǐng)域重要的研究內(nèi)容之一。在信用風險評估中，數(shù)據(jù)集的小樣本、非均衡性等數(shù)據(jù)特征對信用分類結(jié)果產(chǎn)生很大影響。特別地，對于新興的金融機構(gòu)或開展新的信貸業(yè)務時，由于數(shù)據(jù)獲取成本高、數(shù)據(jù)獲取困難等原因，面臨著小樣本數(shù)據(jù)問題。小樣本數(shù)據(jù)具有不完整和不充足特性，導致其構(gòu)建的模型是低效的甚至是無效的，相應的決策也是錯誤的�！皵�(shù)據(jù)特征驅(qū)動建�！睂⒂行У亟鉀Q這些問題和提升信用風險分類精度。鑒于此，本書主要聚焦小樣本數(shù)據(jù)特征驅(qū)動的信用風險分類問題。本書基于小樣本學習理論與信用風險分類理論，構(gòu)建了小樣本數(shù)據(jù)特征驅(qū)動的信用風險分類研究框架�；�于該研究框架，系統(tǒng)研究了信用數(shù)據(jù)中屬性稀缺小樣本、混合屬性小樣本、高維性小樣本、無有效訓練樣本和非均衡性小樣本的信用風險分類問題，并在此基礎(chǔ)上提出了小樣本數(shù)據(jù)特征驅(qū)動的信用風險分類模型實施與對策建議。因此，本書研究具有較強的理論意義和實踐意義，對于實際開展小樣本信用風險評估具有一定的參考價值。