《表2 测试集预测准确度:机器学习算法在央行内部审计问题管理中的应用》
分类预测使用K近邻、Softmax分类器和DNN3种备选算法,参数设置如下:K近邻算法选取和给定问题描述最相似的K个问题,将出现频次最多的标签作为预测值,参数K设置为10;Softmax分类器将回归用在多分类问题上,不涉及参数设置;DNN算法使用深度神经网络的架构,对输入的问题文本向量进行分类预测,神经网络中包括输入层、隐层及输出层,输入层维度设置为文本向量维度768维,隐层设置为512维,输出的维度为对应候选标签的个数。在上述参数设置下,测试集的预测准确度见表2所列。
图表编号 | XD00148904500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.10 |
作者 | 陈唯源 |
绘制单位 | 中国人民银行福州中心支行 |
更多格式 | 高清、无水印(增值服务) |