《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》
%
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。
图表编号 | XD00116696400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 王冬一、华迎、朱峻萱 |
绘制单位 | 对外经济贸易大学信息学院、对外经济贸易大学信息学院、对外经济贸易大学信息学院 |
更多格式 | 高清、无水印(增值服务) |