《表4 预警模型在不同数据划分比例下的预测效果》
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。
图表编号 | XD00115530000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.23 |
作者 | 吴庆贺、唐晓华、林宇 |
绘制单位 | 成都理工大学商学院、四川工商职业技术学院、成都理工大学商学院 |
更多格式 | 高清、无水印(增值服务) |