《表1 训练误差项和效率比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于支持向量机回归集成的小微企业信用风险度评估模型研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

结果表明，模糊积分SVMRs集成的预测精度最高，原因可能是模糊积分集成方法在进行多分类器融合时考虑了各子训练器的重要性。而模糊积分BP神经网络集成方法的预测精度最低，可能是因为BP神经网络需要在大样本下模拟才能保障其预测精度，在有限样本下随机抽样形成子训练样本集，进一步缩小了子训练器的训练样本容量，反而会降低其预测精度，进一步论证了支持向量机小样本训练的优越性。在目前有限的小微企业贷款样本下，采用模糊积分SVMR集成方法，银行能更加准确评估小微企业贷款风险度，及时进行风险监测。由测试样本的模拟结果可知，模型具有较强的泛化能力。