《表5 logistic回归、随机森林预测模型评价》

  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

《信用卡逾期行为的影响因素及行为预测研究》

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

对于分类预测模型的评价指标主要包括:AUC值、准确率、提升（Lift）、增益（Gains）等，本文采用AUC值和准确率两个指标来评价。ROC曲线，全称为受试者工作特征曲线，即当阈值从0逐渐变化到1时，对应分类判别的真正率和假正率坐标点所连成的曲线。AUC是ROC曲线所围面积，可用来度量分类模型好坏。对于测试集而言，logistic回归的AUC值为0.710，随机森林的AUC值为0.714，随机森林的AUC值稍高。而由表5可知从模型预测的准确率来看，logistic回归预测的准确率为74.27%，随机森林预测的准确率为73.97%，logistic回归的准确率稍高。两个模型方法各有利弊，但总体结果相差不大。