商业银行的大样本数据，我国通常利用决策树算法来建立个人信用评估决策树，为信用信息的分析提供一组判断规则7。
42国外研究现状
从现代个人信用的诞生至今，已经有近百年历史，在这一过程中，国外学者对个人信用评估进行了大量的研究。从20世纪80年代起，个人信用研究进入高速发展阶段，目前这方面已经出版了许多颇有影响的著作，关于个人信用方面的学术文章也层出不穷，这些研究成果极大地推进了个人消费市场规模的扩展，有效地拉动了市场需求，促进了各国的经济发展。
由于信用评估问题受诸多因素的影响，目前的金融理论尚不能对这一问题在理论上做出满意的解释，国外商业银行通常根据历史上每个类别按期还本付息、违约的若干样本，从已知的数据中发现其规律，从而总结出分类的规则，建立判别模型，用于对新样本的识别。而学界对个人信用评分研究，早期多局限于模型的设计，近年来则将个人信用评分视为一个集数据预处理、指标体系筛选、模型设计为一体的系统评估方法。针对信用评估的非线性特征，一些学者尝试将统计学、数据挖掘以及机器学习等数据挖掘领域的最新成果，如多元判别分析、遗传算法、神经网络技术和支持向量机等算法应用于个人信用评分研究的各个环节，推动了信用评分研究的快速、全面发展8。
总结国内外部分学者所用的指标体系，可以归纳出他们主要考虑的指标包括：年龄、性别、婚否、工作性质、工作行业、工作稳定性、工作时间、在居住地时间、房屋保险收入及其变化、应征税资产拥有的
f其他资产银行账户信用报告、被查询的次数、已有无抵押贷款数额和个数、贷款数额是否有担保、信用时间长度、是否有其他贷款、是否有存款帐户等9。
5研究方法
在前人的基础上，使用科学严谨的方法分析个人信用，个人信用评估方法起源于1941年DavidDura
d，从1936年Fisher的意向实验中获得启示，将线性判别方法引用到信用评估系统，该方法至今仍是重要的评估方法；随后，基于统计学与运筹学相结合的信用评估方法，形成了古典信用分析模型，其中包括了基于线性回归Li
earRegressio
、逻辑回归LogisticRegressio
以及Probit回归ProbitRegressio
的回归分析；目前，人们已经开始将人工智能方法及非参数统计模型在信用评估中进行尝试，从而开发出了分类树、神经网络、支持向量机以及K一临近判别等多种方法。
51判别分析
信用评价模型中，判别分析是信用分析中最早使用，也是最常使用的方法，操作性及预测能力较强。但其最大缺陷是模型的假设条件过于严r