在大数据时代,处理机器学习的实际问题时,常见的降维方法是基于特征抽取的主成分分析(PCA)以及基于特征选择的Lasso族类方法的直接应用,原因大概有二:一是大数据原料往往是海量的、有噪声的、杂乱无章的,通常组结构并非先验且不易辨别,在对算法结果提升不大的情况下,根据奥卡姆剃刀原则,应该尽量选择简单的模型;二是大数据的产生场景多在互联网领域,而互联网公司往往不缺算力,其追求的是小步快跑、快速迭代,因此简单高效的变量筛选算法更易落地。那么,在实际的机器学习分类时任务中,对于不同规模、不同数据结构特性的数据集,到底使用何种降维方法“性价比”更高?目前基本依靠建模者对降维算法的使用经验和个人偏好,甚至暂时没有被广为接受的一般性经验准则。为了更好地了解和解决分类算法使用过程中的降维方法选择问题,尤其在以信贷数据等金融数据为基础的信用风险判别问题背景下,本研究考虑对比不同数据结构的数据集下典型降维方法与分类算法的组合模型效果,从而给出经验性的指导准则。本文首先从公司信用风险和个人信用风险两个维度系统回顾信用风险相关研究,进一步分析信用风险研究领域变量筛选常用的模型及方法,明确其本质从机器学习角度来看是基于信贷金融数据场景下的分类问题。其次,在n