《表4 预警模型在不同数据划分比例下的预测效果》

  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

《创业板上市公司财务危机的识别与预警》

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

注：本文在此未展示传统SVM预测精度的原因在于反复实验过程中发现传统SVM对非均衡样本拟合效果较差，分类超平面严重偏向财务危机样本一侧，导致预测精度太低，因此其预测结果并未展示在不同预警模型的精度对比中。

在确定了Twin-SVM预警模型的最优核函数以及模型参数之后，就要对模型的预测性能进行评估。为了避免数据的随机选取造成偶然性结果，也为了避免模型过拟合和欠拟合的问题，本文借鉴相关文献[19]，采用不同划分比例（6∶4、7∶3、8∶2、9∶1）的训练集和测试集分别进行训练和预测。在将经筛选后的特征指标作为输入指标后，首先对Twin-SVM预警模型的分类准确率进行计算，进一步计算在最优参数下Twin-SVM预警模型的几何平均正确率G和少数类的度量值F。为了展示Twin-SVM模型优越的预测性能，将其与改进的ODR-ADASYN-SVM模型、BP神经网络、Bayes分类法（Bayes模型）和K近邻法（KNN模型）进行比较，结果如表4所示。