1、近些年，隨著網(wǎng)絡的快速發(fā)展，人們開始利用網(wǎng)絡開展新的商務活動模式——電子商務。在電子商務飛速發(fā)展的過程中，制約其發(fā)展的一些基礎性問題（例如:交易支付、物流配送等）得到了逐步的解決，但是，電子商務活動中的欺詐事件依舊很多，誠信缺失問題依然嚴重，信用風險已經(jīng)凸顯為電子商務健康快速發(fā)展的瓶頸。
　　本文立足于電子商務迅速發(fā)展但是又受制于信用風險的現(xiàn)狀，將企業(yè)電子商務信用風險預警系統(tǒng)進行優(yōu)化，優(yōu)化后的系統(tǒng)可以及時準確的發(fā)布預警信息，盡量減

2、少企業(yè)的損失，同時也為有關信用管理部門提供參考信息，使其更好的監(jiān)管企業(yè)。電子商務交易雙方的企業(yè)可以利用該系統(tǒng)評測自己、交易對象甚至競爭對手的信用狀況，以此來指導后續(xù)的決策。
　　本文的重點在風險信息收集和風險識別兩個方面。在風險信息收集方面，本文針對以往相關文獻里的指標體系進行考察，不但保留了部分財務指標，還創(chuàng)新性的引入了“網(wǎng)絡交易糾紛率”和“研發(fā)投入占營業(yè)收入比例”兩個指標來更好的反應服務能力和發(fā)展能力兩部分的內容，使企業(yè)電子商

3、務信用風險得到更加全面的反映。在風險識別方面，本文分析了機器學習里的支持向量機方法和集成學習方法在本文的可行性，創(chuàng)新性的將集成學習方法引入企業(yè)電子商務信用風險預警領域內，選擇了bagging算法來優(yōu)化支持向量機，獲得了很好的分類效果。
　　經(jīng)過優(yōu)化的企業(yè)電子商務信用風險預警系統(tǒng)的風險識別準確率更高，說明加入新的預警指標的指標體系是合理的，引入集成學習方法在企業(yè)電子商務信用風險預警領域內是可行的。由于機器學習方法有自學習性，本文優(yōu)化