《表6 3种算法平均准确率的比较》

  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

《基于大数据技术的个人信用动态评价指标体系研究——基于社会资本视角》

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

%

根据上述筛选后的指标体系，分别运用ANN、C5.0和XGBoost 3种算法对102 954条个人信用记录进行预测，其中2/3作为训练集，1/3作为测试集。首先运用3种不同的算法对训练集进行训练，使其记住相关指标和分类器对分类准确度的贡献率，为接下来在测试集中的实验做准备。为保证结果的客观性，本研究使用的3种预测算法均使用Boosting方法进行数据的抽取和处理。Boosting方法的好处就在于每一轮的训练集是不变的，但训练集中每个样例在分类器中的权重会发生变化，这个权重是根据上一轮的分类结果进行调整的，也就是各个预测函数只能顺序生成，后一个模型的参数是根据前一轮模型的结果形成的。经过训练后，模型已经记住了相应分类器的权重，这时使用学习过的模型对测试集进行预测，对比其分类的准确度能够体现3种模型在实践中的真实性能，3种算法的平均准确率如表6所示。