【摘要】特征（变量）选择是信用评估中常用的一种数据降维技术，然而传统的基于相关性的特征选择方法 （ＣＦＳ）在计算变量间相关系数时，本质上是一种线性分析方法，无法有效处理非线性关系的数据，导致不能准确估计变量间相关性的大小。本文在分析ＣＦＳ方法的基础上，引入Ｇｅｂｅｌｅｉｎ最大相关系数（ＧＭＣ），提出了一种非线性相关性特征选择方法——基于Ｇｅｂｅｌｅｉｎ最大相关性特征选择方法（ＧＣＦＳ）。在此基础上，结合支持向量机（ＳＶＭ）技术，构建了ＧＣＦＳ－ＳＶＭ评估模型。该模型能有效地识别变量间的非线性相关关系，更真实估计变量间相关系数大小，从而筛选出最优变量子集，最终提高模型评估预测能力。为验证本文所提方法的效．．．