• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    仿EM的多變量缺失數(shù)據(jù)填補算法及其在信用評估中的應用

    2019-04-02 03:43:34馬超群許旭慶蘭秋軍
    中國管理科學 2019年3期
    關鍵詞:實驗方法模型

    蔣 輝,馬超群,許旭慶,蘭秋軍

    (湖南大學工商管理學院,湖南 長沙 410082)

    1 引言

    信用評估是評估機構根據(jù)借款者的財務狀況、經營狀況、歷史還款情況等各類相關信息,采取專家判斷或數(shù)學分析方法和模型,對借款者如期足額償還債務本息的能力和意愿進行評價,并按照其違約概率的大小以等級或分數(shù)的形式給出評估結論的行為,是降低信息不對稱的重要手段。近年來,中小微企業(yè)在維持經濟增長、緩解就業(yè)壓力、方便群眾生活、推動技術創(chuàng)新、促進國民經濟發(fā)展和保持社會穩(wěn)定等方面發(fā)揮著越來越重要的作用,企業(yè)數(shù)量不斷增加,對信貸的需求也越來越強勁。與此同時,各類消費信貸市場規(guī)模也呈快速增長態(tài)勢,這都大大激發(fā)了各類貸款機構對信貸評估模型的開發(fā)需求。

    信用評估方法大體可分為三類,早期以信貸專家的主觀經驗判斷為基礎的一些方法,如5C法,5P法、LAPP法等較為普遍[1]。后來隨著統(tǒng)計方法的推廣,回歸分析、判別分析、Logistic模型、Probit模型等被引入信用評估,如Altman提出的Z-score模型,穆迪公司的Risk-Calc模型等就是其典型代表[2-4]。近些年,隨著機器學習的興起,人工神經網絡(ANN)、貝葉斯網絡、支持向量機(SVM)、決策樹等方法被大量引入,成為當前構建信用評估模型的熱門和主流方法[5-11]。

    在對企業(yè)特別是中小微企業(yè)進行信用評估時,數(shù)據(jù)缺失現(xiàn)象非常普遍,這大大降低了信用評估模型的有效性和準確性。信用評估工作中數(shù)據(jù)缺失的原因很復雜,既有被調查者不愿意提供所需信息,也可能是數(shù)據(jù)采集人員或系統(tǒng)沒有收集到完整的信息,還有可能是某些數(shù)據(jù)項不適用于被調查者等等。總之,信用評估工作中是無法杜絕數(shù)據(jù)缺失現(xiàn)象的。正因為此,不少學者提出了一些處理方法。例如,Sustersic等提出了基于ANN的模型來解決當金融機構在缺乏常用信用評估數(shù)據(jù)的情況下的信用評估問題[12]。肖進等針對銀行客戶信用評估數(shù)據(jù)存在大量缺失的問題,設計了一種面向缺失數(shù)據(jù)的動態(tài)分類器集成選擇模型[13]。Florez-Lopez從處理后模型的魯棒性,準確性,復雜性等角度對比分析了信用評估中多種缺失值處理方法的性能[14]。

    事實上,數(shù)據(jù)缺失是各類數(shù)據(jù)統(tǒng)計分析工作中的常見問題,已有不少經典的處理方法,大體歸為兩大類:刪除法和填補法。其中刪除法包括樣本的刪除和變量的刪除。該方法簡單直接,在數(shù)據(jù)樣本充足,小比例缺失,以及變量間有較強的替代性時,不會帶來嚴重的信息損失,因而不失為一種良好的方法。但當數(shù)據(jù)樣本不是那么富裕,缺失比例較大時,該方法會造成較大的信息損失,此時填補法是更值得推薦的方法。填補法依據(jù)兩類變量特性,一類是缺失變量自身的分布特性,另一類則是缺失變量與其它變量間的相關特性。典型的基于變量自身分布特性的方法有均值填補法和眾數(shù)填補法[15]。其中前者適用于連續(xù)變量,而后者適用于離散型變量,兩者均簡單而常用。目前以變量間的相關特性為基礎的填補方法更受關注,典型的有回歸填補、最近鄰填補、期望最大化法(EM)填補等[16]。一般而言,均值或眾數(shù)填補會帶來分布函數(shù)的扭曲估計[17]。而回歸填補相較于均值填補則更有優(yōu)勢,其填補值更接近于真實數(shù)據(jù)分布,但顯然它是建立在不同變量間數(shù)據(jù)具有線性回歸關系的假設基礎之上的。最近鄰填補算法也比較簡單,它獲取缺失樣本的K個最相似樣本,然后以其加權值進行填補,但如何定義樣本之間的相似性卻是一個難題[18]。EM算法是一種對含有隱變量的概率分布參數(shù)進行極大似然估計的方法,其中隱變量是指不可觀測的隨機變量。EM算法的最大特點就是通過假設這一隱變量的存在,簡化似然方程,將比較復雜的極大似然估計問題轉化為較簡單的極大似然估計問題[19]。有許多有關EM的改進與應用。如:Meng Xiaoli和 Rubin[20]通過給M步加上約束條件進行簡化,提出了ECM法,又將Monte Carlo模擬方法與E步結合,提出了MCEM算法,擴大了EM算法的應用范圍[21]。翟繼友和張鵬[22]將遺傳算法與EM算法相結合,對迭代過程起到了優(yōu)化作用??傊瓻M算法受到不少學者的關注,成為缺失值處理的熱點算法。

    需要指出的是,這些工作絕大多數(shù)討論的是模型構建階段的問題,即怎樣從有缺失的數(shù)據(jù)集中構建模型。而在模型構建好之后,也即在模型應用階段,待評估樣本也常有部分輸入變量缺失的現(xiàn)象。一般的處理策略是在將數(shù)據(jù)輸入評估模型前,對其進行填補,而后再通過模型運算獲得其評估結果。針對這種應用場景,本文提出一種新的缺失值處理方法,稱之為仿EM算法,它仿照了EM算法交替迭代逼近的思想,但不要求事先假定變量的分布函數(shù),從而其適用性更強。另外,該算法不僅適用于單變量的填補,同時也適用于多變量缺失數(shù)據(jù)的填補。下文這樣組織:首先第2節(jié)簡要概述EM算法的原理,指出其缺陷,并給出了仿EM算法的基本思想與模型框架;然后第3節(jié)重點闡述本文算法兩個關鍵階段的具體實現(xiàn);在第4節(jié),基于3個信用評估數(shù)據(jù)集設計了相關實驗,從數(shù)據(jù)還原能力以及基于填補后數(shù)據(jù)的模型評估能力兩個角度,對比分析了仿EM算法與其它兩個經典方法之間的性能差異;最后是結論,總結了仿EM算法的特點、優(yōu)越性和適用范圍。

    2 問題描述與模型框架

    以隱變量為離散型變量為例,EM算法可描述如下:

    已知X是可觀測變量,且有n個樣本的集合,{x1,x2,…,xn}現(xiàn)要對X服從的分布進行極大似然參數(shù)估計,θ是待估計的參數(shù),樣本的似然函數(shù)用L(θ;x)表示。P(x)表示隨機變量X的概率分布,z為隱變量Z取值范圍的集合,zi為第i個樣本隱變量的值。根據(jù)貝葉斯條件概率公式、Jesen不等式,樣本的似然函數(shù)可以表示為以下形式:

    (1)

    其中,

    (2)

    表示在已知參數(shù)θ下,樣本i屬于每個隱藏分布Z的概率。

    EM算法具體步驟如下:

    (1)初始化參數(shù)θ(0)

    (2)反復迭代以下兩步,直到達到收斂條件,即|θ(k+1)-θ(k)|充分小:

    E步:計算Qi(zi)=P(zi|xi;θ(k)),即根據(jù)第k次迭代的θ值,計算每個樣本隱變量取各值的概率。

    M步:計算

    θ(k+1)=

    (3)

    即求解令函數(shù)l(θ)取得極大值時的θ值,并更新θ值。

    迭代結束后,即可求得缺失數(shù)據(jù)下概率模型的最佳參數(shù)估計,并根據(jù)Qi(zi)值的大小估計得到缺失數(shù)據(jù)最可能的填補值。同理,將概率分布P(x)改成密度函數(shù)f(x),累加符號改為積分符號,即可對連續(xù)型缺失變量進行估計。EM算法最大的優(yōu)點在于簡單和穩(wěn)定,每一步迭代都能保證極大似然函數(shù)值遞增,并且收斂到一個局部最優(yōu)值,當樣本分布越接近總體分布,估計結果越精確。

    不難看出,EM算法步驟可以通俗地解釋為,先在假定模型參數(shù)值已知的基礎上估計隱變量的取值,然后利用隱變量的估計值修正模型參數(shù),這樣不斷交替估計迭代直到收斂。EM算法有一個不容忽視的缺點,即它要求給定似然函數(shù),也即要求給定變量在不同待估參數(shù)值下的分布函數(shù),這是一個非??量痰臈l件。本文所提出的仿EM填補方法借鑒了EM算法交替迭代的思想,但它并不對任何變量的分布函數(shù)進行假設。

    仿EM填補算法分為兩個階段。其中第一階段為準備階段,其任務是基于樸素貝葉斯方法對各個變量構建相應的預測估計模型。即基于給定的原始數(shù)據(jù)集,以每個可能缺失的變量為輸出變量,然后從其它變量中選擇與其有關的若干變量作為輸入變量,構建該變量對應的預測估計模型。這樣n個可能有缺失的變量將對應n個預測估計模型,構成本算法的基礎模型庫,以此作為第二階段算法的基礎。此外,各個可能缺失變量的均值或眾數(shù)值也在此部分計算給出,并作為模型庫的其它參數(shù)結果保存以供第二階段使用。

    第二階段的功能則是具體完成多變量填補任務。它采用仿EM算法,調用前一階段生成的相應的單變量預測估計模型,通過反復迭代逼近的方式,直至結果收斂,實現(xiàn)多變量缺失值的填補。該模型的框架結構如圖1所示。

    圖1 填補模型總體框架

    3 算法實現(xiàn)

    3.1 單變量預測估計模型庫的構建

    設原始全體輸入變量集為Xall={xl|l=1,2,…,L},可能出現(xiàn)缺失情況的變量子集為X={xi|i=1,2,…,I}?Xall,對每個變量xi∈X,(i=1,2,…,I),選取與其相關的若干重要變量構成子集,Xi={xj|xj∈Xall/{xi},且xj與xi相關}。

    基于相應的完整的訓練數(shù)據(jù)子集Di(即變量集Xi∪{xi}對應的數(shù)據(jù)子集),構建相應的單變量估計模型fi:Xi→xi。樸素貝葉斯方法是有著堅實的數(shù)學基礎的分類算法,它以后驗概率最大的取值作為預測估計值,本文以其作為單變量估計模型。其模型可表達為:

    (4)

    其中V為xi的取值集合。根據(jù)貝葉斯公式:

    (5)

    只需計算P(Xi|xi)P(xi)即可。P(xi)可從訓練數(shù)據(jù)子集Di中估計得到,即數(shù)據(jù)中取值xi的樣本總數(shù)除以訓練集樣本總數(shù)。直接計算P(Xi|xi)的難度很大,但在各屬性相互獨立時,有P(Xi|xi)=∏jP(xj|xi),其中P(xj|xi)可由數(shù)據(jù)子集Di估值。

    此外,除了輸出模型之外,算法在執(zhí)行時也一并將訓練子集數(shù)據(jù)中變量xi對應的分布函數(shù)及參數(shù)數(shù)據(jù)一并輸出保存,其中包括各變量的平均數(shù)或眾數(shù)、標準差、分布類型等。

    簡言之,單變量估計模型庫的構建過程可表示為如圖2所示。

    圖2 單變量預測估計模型庫生成算法流程

    3.2 多變量缺失值的填補算法

    不失一般性,對一給定的含缺失值的待補樣本數(shù)據(jù),不妨設其實際缺失變量集為Xm={x1,x2,…,xm}?X,如圖3所示。

    圖3 待補樣本數(shù)據(jù)示意

    圖4 交替迭代填補算法流程

    上述填補更新過程必是收斂的,可證明如下:

    (6)

    (7)

    由于更新時調用模型庫的算法,返回的是對應最大后驗概率估計值,必有:

    (8)

    因此,

    (9)

    可見,填補值的更新過程是一個使得填補值取值組合概率單調遞增的過程。由于填補值的取值組合數(shù)有限,且概率值最大為1,即有界。因此該過程必然收斂,命題得證!

    4 實驗及結果

    為了驗證仿EM算法在信用評估缺失數(shù)據(jù)填補方面的有效性,本文以UCI數(shù)據(jù)庫中兩個著名的信用評估建模基準數(shù)據(jù)集以及人人貸平臺真實信貸交易數(shù)據(jù)作為實驗數(shù)據(jù)。實驗從填補方法對原始數(shù)據(jù)的還原能力和信用評估模型判別能力兩個角度,比較了仿EM算法、眾數(shù)填補法、EM填補法的填補性能。其中眾數(shù)填補是對離散型變量進行簡單填補時最常用的方法,而EM算法則是當前比較流行的較為新穎的方法。

    4.1 數(shù)據(jù)集描述

    German數(shù)據(jù)集是來自于UCI數(shù)據(jù)庫,記錄了德國某銀行的信用卡業(yè)務數(shù)據(jù)。該數(shù)據(jù)集包含了20個屬性變量和1個類別變量,其中,類別變量有兩個取值,{good,bad},分別代表了信用好的客戶和信用差的客戶。該數(shù)據(jù)集總共包含1000條樣本,其中信用差的客戶300個,信用好的客戶700個。

    Australia數(shù)據(jù)集也是來自于UCI數(shù)據(jù)庫的著名信用評估數(shù)據(jù)集,描述了澳大利亞某銀行的信用卡業(yè)務情況。該數(shù)據(jù)集共有690個客戶樣本,其中信用好的客戶有383個,信用差的客戶有307個。數(shù)據(jù)集包含14個屬性變量和1個類別變量。為了保護客戶的個人隱私,公開數(shù)據(jù)中的屬性變量名稱和分類變量取值都使用字母符號進行了替換。

    人人貸數(shù)據(jù)集來源于人人貸理財端網站。該網站是P2P行業(yè)內最具影響力的品牌之一。本文通過程序爬取了2014年8月—2015年10月平臺發(fā)布的借款成功的記錄,并且確保未違約的記錄都是清償完畢的。數(shù)據(jù)集包含了包含12個屬性變量和1個類別變量,類別變量將客戶分為產生違約行為的壞客戶和正常還清借款的好客戶。本文實際使用樣本數(shù)量30256條,其中違約記錄2510條,占8.3%。

    為了使變量適用于各類分類算法進行計算,本文對原始數(shù)據(jù)進行了分類型變量取值數(shù)字化操作,即基于變量不同取值狀態(tài)的實際含義,令它們取0,1,2,3…等數(shù)值;同時,本文采用信息增益方法對連續(xù)型變量進行了離散化操作,若變量按照(a,b],(b,c]…分為若干個區(qū)間,則依次令各個區(qū)間的值為序數(shù)型數(shù)據(jù)1,2……。

    4.2 實驗設置

    4.2.1 比較各個方法對原始數(shù)據(jù)的還原能力

    對原始數(shù)據(jù)的還原能力是指各個填補方法根據(jù)已知信息對缺失值填補后的值與真實值的接近程度。填補值與真實值之間的偏差越小,說明該方法對原始數(shù)據(jù)的還原能力越好。

    首先從完整的數(shù)據(jù)集中采用隨機抽樣的方式選取一定比例的樣本作為缺失數(shù)據(jù)集,剩余樣本作為訓練數(shù)據(jù)集。對于缺失數(shù)據(jù)集,隨機選取三個變量作為缺失變量,人工設置缺失。接著,基于訓練數(shù)據(jù)集分別采用仿EM算法、眾數(shù)填補法、EM填補法對缺失數(shù)據(jù)集進行缺失值填補,然后將各個方法生成的填補值與真實值對比,計算填補性能。為了避免不同樣本對實驗結果的影響,最后的結果取10次填補實驗的平均值。具體的實驗過程如圖5所示:

    圖5 還原能力實驗過程

    為了比較各個方法對原始數(shù)據(jù)的還原能力,本文引入均方根誤差(RMSE)和預測結果準確率(Accuracy)兩個評價準則。

    (1)均方根誤差(RMSE)描述了填補值與真實值的偏差,具體計算公式如下。RMSE越小,說明偏差越小,填補效果越好。

    (10)

    其中,n為缺失樣本數(shù),Xpred,i代表第i條缺失樣本中變量X的填補值,Xreal,i代表第i條缺失樣本中變量X的真實值。

    但是RMSE指標只適用于取值存在程度上差別的有序型分類變量。例如“學歷”變量,假設其有4種取值狀態(tài):1(高中及以下);2(大專);3(本科);4(研究生及以上)。當真實值為1時,預測其值為2相比于預測其值為3更接近于真實值,偏差更小。對于無序性分類變量,該指標沒有意義。

    (2)預測結果正確率(Accuracy)。缺失數(shù)據(jù)集中,正確填補的樣本數(shù)與缺失樣本數(shù)的比值。正確率越高,說明填補效果越好。

    4.2.2 比較信用評估模型預測能力

    在數(shù)據(jù)挖掘過程中,進行缺失值處理的目的在于提高后續(xù)模型預測結果的準確率。在實際應用信用評估模型時,新增客戶常常存在部分字段缺失,必須進行缺失值填補才能完成風險預測。缺失值處理得越合適,模型的預測能力越好。因此,在其他條件相同的情況下,信用評估模型預測的準確率在一定程度上反映了缺失數(shù)據(jù)填補方法的優(yōu)劣。

    實驗隨機選取一定比例的樣本作為缺失數(shù)據(jù)集,同時也作為測試集,剩余樣本作為訓練數(shù)據(jù)集,用來訓練信用評估模型和缺失值填補模型。對于缺失數(shù)據(jù)集,隨機選取三個變量,人工設置缺失,分別采用仿EM算法、眾數(shù)填補法、EM填補法進行缺失值填補,得到完整測試集。對于訓練數(shù)據(jù)集,采用隨機森林算法訓練模型,對填補后的完整測試集進行分類預測。為了避免不同樣本對實驗結果的影響,實驗采用10折交叉驗證技術,該方法將整個數(shù)據(jù)集隨機分成10 等份,依次取其中1 份作為測試集,而余下的9 份作為模型訓練集,如此循環(huán)10 次,稱之為10 折交叉驗證。最后結果取每份測試集結果的平均值。具體實驗流程如下圖6所示。

    圖6 評估判別能力實驗過程

    本文實驗中EM填補算法采用R軟件中Amelia包實現(xiàn),其余算法均由Python3編寫實現(xiàn),隨機森林算法采用Python中sklearn機器學習庫實現(xiàn)。

    4.3 結果分析

    本文從German、Australia、人人貸數(shù)據(jù)集中,分別隨機選取三個變量進行實驗。變量的具體信息如表1所示。

    表1 各數(shù)據(jù)集的缺失變量取值情況

    表2給出了三個數(shù)據(jù)集的缺失變量采用仿EM法進行一次填補實驗后的真實值與填補值,由于篇幅限制,這里只列出了前20條缺失樣本的填補結果。表3給出了填補實驗后,分別采用仿EM法、眾數(shù)填補、EM法填補后各缺失變量的RMSE與Accuracy平均值。由于Australia數(shù)據(jù)集的變量含義未被公開,無法得知其是否有序,因此沒有計算其RMSE值。從表3中可以看出,在German和人人貸數(shù)據(jù)集中,采用仿EM法填補后的RMSE比眾數(shù)填補、EM法填補都要小;同時,在三個數(shù)據(jù)集中,采用仿EM法填補后的Accuracy相比較于其它兩種方法都高。因此,仿EM填補法對原始數(shù)據(jù)的還原能力要優(yōu)于眾數(shù)填補法與EM填補法。

    表2 真實值與填補值對比示例(前20個樣本)

    續(xù)表2 真實值與填補值對比示例(前20個樣本)

    表3 三種方法填補后的效果比較

    表4給出了10折交叉驗證下,采用三種方法填補后信用評估模型的平均判別準確率。從表中可以看出,對三個數(shù)據(jù)集,采用仿EM法填補后的判別準確率也都是最高的。

    表4 三種方法填補后信用評估模型準確率比較

    5 結語

    解決信用模型應用階段的數(shù)據(jù)缺失問題,能夠為貸款機構提供更為科學、準確的決策支持,幫助其盡可能地減少信用風險帶來的損失,意義重大。EM填補法作為一種經典的缺失值填補方法,需要事先假定變量分布函數(shù),當變量的真實分布與假定分布相差較大時,往往無法獲得較好的填補效果,本文提出的缺失值處理方法借鑒了EM算法交替迭代逼近的思想,同時又擯棄了其對分布函數(shù)的依賴,不僅適用于單變量的填補,同時也適用多變量缺失數(shù)據(jù)的填補。實驗結果表明,無論是填補效果還是填補之后信用評估模型的判別準確性,所提出的仿EM算法都明顯好于經典的眾數(shù)填補法和EM算法。因此,在處理信用評估模型的多變量缺失問題時,仿EM算法是一種有效的處理方法。必須指出,本文仿EM算法建立在單變量預測樸素貝葉斯模型基礎上,而該模型的一個重要假設是條件獨立性。如何放松該假設仍是值得研究的一個問題。另外,本文實驗假設了數(shù)據(jù)為分類變量,事實上,缺失變量也可以是連續(xù)型的,但前提是變量的條件分布函數(shù)已知,這樣才能在第一階段以此計算單變量樸素貝葉斯模型。若缺失變量條件分布函數(shù)未知,建議還是類似本文實驗方法,對變量事先離散化處理,基于頻數(shù)計算條件概率值,獲得單變量預測模型庫。

    猜你喜歡
    實驗方法模型
    一半模型
    記一次有趣的實驗
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權M-估計的漸近分布
    做個怪怪長實驗
    可能是方法不對
    3D打印中的模型分割與打包
    NO與NO2相互轉化實驗的改進
    實踐十號上的19項實驗
    太空探索(2016年5期)2016-07-12 15:17:55
    用對方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    亚洲天堂av无毛| 一区二区三区精品91| 国产精品99久久99久久久不卡 | 99国产精品免费福利视频| 97精品久久久久久久久久精品| 校园人妻丝袜中文字幕| 日本vs欧美在线观看视频| 男女边摸边吃奶| 国产探花极品一区二区| 亚洲图色成人| 嫩草影院入口| 99九九线精品视频在线观看视频| 欧美日韩精品成人综合77777| 亚洲激情五月婷婷啪啪| 国产成人精品在线电影| 久久久欧美国产精品| 高清在线视频一区二区三区| 青春草国产在线视频| 99久国产av精品国产电影| 国产黄片视频在线免费观看| 日日撸夜夜添| 日韩人妻高清精品专区| 久久人妻熟女aⅴ| h视频一区二区三区| 晚上一个人看的免费电影| 欧美xxxx性猛交bbbb| 黄色毛片三级朝国网站| 欧美国产精品一级二级三级| 只有这里有精品99| 纵有疾风起免费观看全集完整版| 高清午夜精品一区二区三区| 另类亚洲欧美激情| 十八禁高潮呻吟视频| 性色av一级| 精品久久久精品久久久| 亚洲精品国产色婷婷电影| 国产国语露脸激情在线看| 久久免费观看电影| 国产成人freesex在线| 夜夜爽夜夜爽视频| 精品人妻一区二区三区麻豆| 老女人水多毛片| 国产日韩欧美视频二区| 午夜福利视频精品| 有码 亚洲区| av免费在线看不卡| 成人毛片a级毛片在线播放| 最近中文字幕2019免费版| 在线天堂最新版资源| 亚洲成色77777| 少妇高潮的动态图| 欧美人与善性xxx| 亚洲性久久影院| 亚洲久久久国产精品| 亚洲国产精品国产精品| 新久久久久国产一级毛片| 久久久精品区二区三区| 黑人巨大精品欧美一区二区蜜桃 | 欧美性感艳星| 欧美少妇被猛烈插入视频| 午夜免费鲁丝| 亚州av有码| 亚洲综合色网址| 大码成人一级视频| 18禁裸乳无遮挡动漫免费视频| 99热国产这里只有精品6| 久久久久久久久大av| 中国三级夫妇交换| 日韩大片免费观看网站| 欧美bdsm另类| 日韩中字成人| 欧美精品一区二区免费开放| 欧美日韩视频精品一区| 中文欧美无线码| 人人妻人人澡人人看| 国产一区二区在线观看日韩| 少妇人妻 视频| 一区二区三区精品91| 免费高清在线观看日韩| 色94色欧美一区二区| 赤兔流量卡办理| 亚洲三级黄色毛片| 久久99热6这里只有精品| 青春草亚洲视频在线观看| 国产国拍精品亚洲av在线观看| 夜夜看夜夜爽夜夜摸| 国产免费又黄又爽又色| 亚洲欧美一区二区三区国产| 一边摸一边做爽爽视频免费| 下体分泌物呈黄色| 大片免费播放器 马上看| av卡一久久| 久久精品久久精品一区二区三区| 制服人妻中文乱码| 日本猛色少妇xxxxx猛交久久| 九色成人免费人妻av| 国产男女内射视频| 午夜av观看不卡| 欧美精品一区二区免费开放| 亚洲av国产av综合av卡| 成人毛片a级毛片在线播放| 午夜福利网站1000一区二区三区| 国产免费福利视频在线观看| 国产精品久久久久久久电影| 亚洲第一区二区三区不卡| 国产有黄有色有爽视频| 国产在线免费精品| 日本黄色日本黄色录像| 人妻一区二区av| 欧美变态另类bdsm刘玥| 在线播放无遮挡| av视频免费观看在线观看| 秋霞伦理黄片| 80岁老熟妇乱子伦牲交| 秋霞伦理黄片| 一级爰片在线观看| 精品亚洲乱码少妇综合久久| 美女视频免费永久观看网站| 三级国产精品片| 久久久精品免费免费高清| 制服丝袜香蕉在线| 国产伦精品一区二区三区视频9| 久久久久久久精品精品| 婷婷色综合www| 伊人久久国产一区二区| av有码第一页| 亚洲美女黄色视频免费看| 国产精品一区二区在线不卡| 好男人视频免费观看在线| 亚洲精品中文字幕在线视频| 91精品一卡2卡3卡4卡| 黑丝袜美女国产一区| 老司机影院毛片| 国产午夜精品久久久久久一区二区三区| 五月玫瑰六月丁香| 插阴视频在线观看视频| 精品卡一卡二卡四卡免费| 国产成人aa在线观看| 蜜桃久久精品国产亚洲av| 国产精品不卡视频一区二区| 永久免费av网站大全| 一级毛片 在线播放| 午夜91福利影院| 欧美成人精品欧美一级黄| 夜夜爽夜夜爽视频| 国产免费现黄频在线看| 99精国产麻豆久久婷婷| 国产一区二区三区综合在线观看 | 一本一本综合久久| 国内精品宾馆在线| 97精品久久久久久久久久精品| 91精品国产九色| 亚洲三级黄色毛片| 亚洲成人av在线免费| 亚洲av欧美aⅴ国产| 久久99蜜桃精品久久| 一区在线观看完整版| 一级毛片 在线播放| 亚洲精品色激情综合| 2018国产大陆天天弄谢| 色哟哟·www| 黑人欧美特级aaaaaa片| 又大又黄又爽视频免费| 亚洲色图 男人天堂 中文字幕 | av在线app专区| 亚洲图色成人| 精品人妻一区二区三区麻豆| 自线自在国产av| 亚洲精品乱码久久久v下载方式| 国产爽快片一区二区三区| 亚洲av不卡在线观看| 亚洲国产成人一精品久久久| 成人无遮挡网站| 午夜老司机福利剧场| 18禁在线无遮挡免费观看视频| 国产成人免费无遮挡视频| 啦啦啦视频在线资源免费观看| 男男h啪啪无遮挡| 好男人视频免费观看在线| 亚洲欧美日韩卡通动漫| 观看美女的网站| 国精品久久久久久国模美| 日日摸夜夜添夜夜爱| 91精品伊人久久大香线蕉| 午夜福利影视在线免费观看| 王馨瑶露胸无遮挡在线观看| 国产免费一区二区三区四区乱码| 亚洲婷婷狠狠爱综合网| 在现免费观看毛片| 亚洲精品第二区| 欧美3d第一页| 亚洲av不卡在线观看| 熟妇人妻不卡中文字幕| 久久精品国产a三级三级三级| 女的被弄到高潮叫床怎么办| 国产爽快片一区二区三区| 欧美成人午夜免费资源| 日本91视频免费播放| 国产色婷婷99| 80岁老熟妇乱子伦牲交| 国产又色又爽无遮挡免| 国产毛片在线视频| 免费av不卡在线播放| 熟女电影av网| 亚洲精品aⅴ在线观看| 伊人亚洲综合成人网| 欧美日韩视频精品一区| 亚洲av男天堂| 国产男女内射视频| 久久97久久精品| 免费观看的影片在线观看| 51国产日韩欧美| 免费看av在线观看网站| 亚洲图色成人| 久久久久久久亚洲中文字幕| 久热这里只有精品99| 伦精品一区二区三区| 亚洲成色77777| 母亲3免费完整高清在线观看 | www.色视频.com| 日韩强制内射视频| 啦啦啦视频在线资源免费观看| 日韩欧美精品免费久久| 美女国产高潮福利片在线看| 一边摸一边做爽爽视频免费| 99热这里只有精品一区| 国产一区有黄有色的免费视频| 久久毛片免费看一区二区三区| 亚洲,欧美,日韩| 欧美最新免费一区二区三区| 亚洲激情五月婷婷啪啪| 最新中文字幕久久久久| 一级片'在线观看视频| 制服人妻中文乱码| 亚洲高清免费不卡视频| 久久精品夜色国产| 高清在线视频一区二区三区| 赤兔流量卡办理| 老司机影院毛片| freevideosex欧美| 亚洲国产av影院在线观看| 啦啦啦在线观看免费高清www| 亚洲精品国产色婷婷电影| 好男人视频免费观看在线| 国产片特级美女逼逼视频| 中文字幕制服av| 欧美一级a爱片免费观看看| 91精品三级在线观看| 午夜福利网站1000一区二区三区| 亚洲色图 男人天堂 中文字幕 | 亚洲精品美女久久av网站| 全区人妻精品视频| 亚洲精品,欧美精品| 亚洲精品色激情综合| 午夜免费鲁丝| 国语对白做爰xxxⅹ性视频网站| 秋霞在线观看毛片| 涩涩av久久男人的天堂| 人妻一区二区av| 亚洲欧美一区二区三区黑人 | 人妻系列 视频| 亚洲国产精品999| 人成视频在线观看免费观看| 亚洲精品色激情综合| 黄色毛片三级朝国网站| 国产精品免费大片| 亚洲欧美日韩另类电影网站| 国产成人午夜福利电影在线观看| 天堂中文最新版在线下载| 各种免费的搞黄视频| 亚洲国产最新在线播放| 日韩精品免费视频一区二区三区 | 97在线人人人人妻| 久久久久久久久久人人人人人人| 一级a做视频免费观看| 丝袜脚勾引网站| 狠狠精品人妻久久久久久综合| 国产日韩欧美在线精品| 热99国产精品久久久久久7| 午夜老司机福利剧场| 久久精品夜色国产| 九色亚洲精品在线播放| 亚洲av不卡在线观看| 97超碰精品成人国产| 在线看a的网站| 少妇人妻久久综合中文| 久久久久久久精品精品| 国产成人aa在线观看| 国产精品麻豆人妻色哟哟久久| 久久精品国产亚洲av涩爱| 人成视频在线观看免费观看| 一级片'在线观看视频| 大片免费播放器 马上看| 天堂俺去俺来也www色官网| 国产色婷婷99| 国产熟女欧美一区二区| 国产极品粉嫩免费观看在线 | 日本爱情动作片www.在线观看| 51国产日韩欧美| 免费少妇av软件| 欧美最新免费一区二区三区| 国产精品无大码| a级毛片免费高清观看在线播放| 国产亚洲精品久久久com| 涩涩av久久男人的天堂| 欧美激情极品国产一区二区三区 | 国产免费福利视频在线观看| 国产伦精品一区二区三区视频9| 久久人人爽av亚洲精品天堂| 亚洲欧美中文字幕日韩二区| 午夜福利视频在线观看免费| 女性生殖器流出的白浆| 大香蕉久久成人网| 男女国产视频网站| 久久精品国产鲁丝片午夜精品| 亚洲精品日韩在线中文字幕| videossex国产| 久久久久久久亚洲中文字幕| 全区人妻精品视频| 99久久中文字幕三级久久日本| 国产免费一区二区三区四区乱码| 亚洲av在线观看美女高潮| 亚洲人成网站在线观看播放| 亚洲精品久久久久久婷婷小说| 久久午夜综合久久蜜桃| 中文字幕免费在线视频6| 国产成人精品在线电影| 久久久久久伊人网av| 亚洲人与动物交配视频| 久久这里有精品视频免费| 亚洲精品,欧美精品| 国产成人av激情在线播放 | 午夜视频国产福利| 亚洲精品视频女| 一级二级三级毛片免费看| 国产日韩欧美视频二区| 18+在线观看网站| 制服丝袜香蕉在线| 国国产精品蜜臀av免费| 性色av一级| 欧美激情国产日韩精品一区| 国产 一区精品| xxxhd国产人妻xxx| 在线亚洲精品国产二区图片欧美 | a级毛片免费高清观看在线播放| 男人爽女人下面视频在线观看| 亚洲少妇的诱惑av| 精品国产露脸久久av麻豆| 一区在线观看完整版| 国产黄片视频在线免费观看| 国产精品嫩草影院av在线观看| 亚洲国产欧美日韩在线播放| 性高湖久久久久久久久免费观看| 男人操女人黄网站| 午夜91福利影院| 亚洲第一av免费看| 母亲3免费完整高清在线观看 | 久久久久国产精品人妻一区二区| 岛国毛片在线播放| 色吧在线观看| 少妇人妻精品综合一区二区| 久久毛片免费看一区二区三区| 国产黄频视频在线观看| 日韩成人av中文字幕在线观看| 欧美日韩亚洲高清精品| 欧美人与善性xxx| 亚洲欧洲国产日韩| 欧美日韩国产mv在线观看视频| 亚洲三级黄色毛片| 视频在线观看一区二区三区| 国产精品一区二区在线不卡| 午夜激情福利司机影院| 亚洲人成网站在线观看播放| 超色免费av| 天堂8中文在线网| 中文字幕免费在线视频6| 日本黄大片高清| 多毛熟女@视频| 九色亚洲精品在线播放| 不卡视频在线观看欧美| 欧美日韩在线观看h| 免费观看无遮挡的男女| 精品亚洲成国产av| 伊人亚洲综合成人网| 在线观看美女被高潮喷水网站| 亚洲精品中文字幕在线视频| 久久女婷五月综合色啪小说| 久久久久视频综合| 人妻人人澡人人爽人人| 亚洲av成人精品一区久久| 欧美精品一区二区大全| 亚洲国产精品一区三区| 美女视频免费永久观看网站| 国产有黄有色有爽视频| 一级毛片电影观看| 亚洲精品456在线播放app| 高清午夜精品一区二区三区| 午夜激情久久久久久久| 国产无遮挡羞羞视频在线观看| 精品酒店卫生间| 女人精品久久久久毛片| 国产精品嫩草影院av在线观看| 亚洲人成网站在线观看播放| 精品国产乱码久久久久久小说| 99久久精品国产国产毛片| 久久亚洲国产成人精品v| 日本wwww免费看| 欧美精品亚洲一区二区| 久久鲁丝午夜福利片| 女人精品久久久久毛片| 热99国产精品久久久久久7| 日本欧美视频一区| 亚洲精品乱码久久久久久按摩| 午夜福利视频精品| 欧美精品高潮呻吟av久久| 国产成人精品久久久久久| 国产日韩一区二区三区精品不卡 | 老熟女久久久| 人妻夜夜爽99麻豆av| 日本爱情动作片www.在线观看| 国产在线一区二区三区精| 国产免费福利视频在线观看| 久久综合国产亚洲精品| 伊人久久国产一区二区| 日韩人妻高清精品专区| 日韩成人av中文字幕在线观看| 涩涩av久久男人的天堂| 91久久精品电影网| 色视频在线一区二区三区| 久久精品国产鲁丝片午夜精品| 久久久亚洲精品成人影院| 黄色毛片三级朝国网站| 天天影视国产精品| 两个人的视频大全免费| 久久97久久精品| 国产色婷婷99| 日本色播在线视频| 好男人视频免费观看在线| 久久狼人影院| 最黄视频免费看| 亚洲国产色片| 人妻制服诱惑在线中文字幕| 国产一区二区在线观看av| 在线免费观看不下载黄p国产| 国产av码专区亚洲av| 黄片播放在线免费| 久久久a久久爽久久v久久| 这个男人来自地球电影免费观看 | 99久久中文字幕三级久久日本| 在线免费观看不下载黄p国产| 看十八女毛片水多多多| 久久久国产一区二区| 亚洲av综合色区一区| 国产免费福利视频在线观看| 天堂8中文在线网| 美女中出高潮动态图| av播播在线观看一区| av电影中文网址| 日日摸夜夜添夜夜添av毛片| 国产成人91sexporn| 秋霞在线观看毛片| 久久鲁丝午夜福利片| 大片电影免费在线观看免费| 如何舔出高潮| 永久网站在线| 午夜福利视频精品| 亚洲人成网站在线观看播放| 亚洲精品中文字幕在线视频| 国产色婷婷99| 大香蕉久久成人网| 免费观看的影片在线观看| 国产精品久久久久久久电影| 久久97久久精品| 日日摸夜夜添夜夜添av毛片| 97超视频在线观看视频| 能在线免费看毛片的网站| 国产精品麻豆人妻色哟哟久久| 国产熟女午夜一区二区三区 | 久久久久国产网址| 国产精品免费大片| 久久久久久久久久久丰满| 一区二区三区精品91| 亚洲av免费高清在线观看| 久久久久久久久久成人| 国产亚洲欧美精品永久| 亚洲美女搞黄在线观看| 国产精品国产三级专区第一集| 亚洲四区av| 国产一区二区三区综合在线观看 | 日本爱情动作片www.在线观看| 色5月婷婷丁香| 国产精品女同一区二区软件| 精品少妇黑人巨大在线播放| 黑人猛操日本美女一级片| 国产日韩欧美在线精品| 有码 亚洲区| 两个人免费观看高清视频| av天堂久久9| 久久精品国产亚洲av涩爱| 亚洲精品国产色婷婷电影| 久久久精品免费免费高清| 亚州av有码| 黄色欧美视频在线观看| 九色成人免费人妻av| 欧美变态另类bdsm刘玥| 国产日韩一区二区三区精品不卡 | 久久久午夜欧美精品| 亚洲国产色片| 精品人妻偷拍中文字幕| 在线免费观看不下载黄p国产| 欧美xxⅹ黑人| 最近2019中文字幕mv第一页| 亚洲精华国产精华液的使用体验| 黑人高潮一二区| 精品人妻一区二区三区麻豆| 成人国产av品久久久| 久久韩国三级中文字幕| 欧美激情国产日韩精品一区| 多毛熟女@视频| 精品亚洲成a人片在线观看| 看非洲黑人一级黄片| 国产69精品久久久久777片| 91久久精品电影网| 一区二区三区乱码不卡18| 国产欧美亚洲国产| 国产精品欧美亚洲77777| 午夜福利视频在线观看免费| 日韩伦理黄色片| 久久99热6这里只有精品| 交换朋友夫妻互换小说| videossex国产| 成年人免费黄色播放视频| 中文字幕最新亚洲高清| 日本欧美视频一区| 美女国产视频在线观看| 久久精品久久久久久久性| 亚洲av欧美aⅴ国产| 亚洲婷婷狠狠爱综合网| 成年人免费黄色播放视频| 高清不卡的av网站| 成人免费观看视频高清| 久久97久久精品| 久久精品国产亚洲av涩爱| 青青草视频在线视频观看| 两个人免费观看高清视频| 日韩av免费高清视频| 秋霞伦理黄片| 久久人人爽人人爽人人片va| tube8黄色片| 亚洲伊人久久精品综合| 18禁观看日本| 少妇丰满av| 女的被弄到高潮叫床怎么办| 大香蕉久久成人网| 人妻系列 视频| 日产精品乱码卡一卡2卡三| 精品人妻熟女av久视频| 亚洲第一区二区三区不卡| av国产久精品久网站免费入址| 国产精品一区二区在线观看99| 一级二级三级毛片免费看| 日本欧美视频一区| 视频区图区小说| 久久精品夜色国产| av网站免费在线观看视频| av不卡在线播放| www.av在线官网国产| 精品午夜福利在线看| 久久久久久人妻| 成人黄色视频免费在线看| 丰满少妇做爰视频| 欧美老熟妇乱子伦牲交| 国产片内射在线| 欧美变态另类bdsm刘玥| 国产精品免费大片| 两个人免费观看高清视频| 国产精品三级大全| 青春草视频在线免费观看| 亚洲国产欧美在线一区| tube8黄色片| 亚洲精品色激情综合| 一级爰片在线观看| 黑人高潮一二区| 人妻少妇偷人精品九色| 91久久精品电影网| a 毛片基地| 天天操日日干夜夜撸| 丝袜脚勾引网站| 亚洲av日韩在线播放| 欧美xxxx性猛交bbbb| 美女大奶头黄色视频| 国产视频内射| 久久精品久久久久久噜噜老黄| 亚洲精品一区蜜桃| 五月玫瑰六月丁香| 国产又色又爽无遮挡免| 亚洲色图综合在线观看| 免费观看在线日韩| 亚洲欧美日韩另类电影网站| 最黄视频免费看| 国产精品麻豆人妻色哟哟久久| 激情五月婷婷亚洲| 欧美激情国产日韩精品一区| 热re99久久国产66热| 三级国产精品欧美在线观看| 日韩一区二区三区影片| 欧美日韩精品成人综合77777| 涩涩av久久男人的天堂| 色哟哟·www| 亚洲精品美女久久av网站| 日韩免费高清中文字幕av| 久久久久久久久久久久大奶| 国产精品久久久久久精品古装| 久久精品国产自在天天线| 国产日韩欧美在线精品|