《表3 Adaboost、Random Forest和SVM模型测试结果（%)》

  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

《基于SVM模型的地方法人投保机构风险预警研究》

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

为了更直观分析三种模型的预测精度，可计算模型测试结果的混淆矩阵，并将其绘制成混淆矩阵图（见图示），其中1表示稳健状态，0表示风险状态。对于数据集的每一个测试样本，模型都有4种可能的预测结果，在预警模型中，混淆矩阵是一种可视化工具，适用于有监督的学习方法，是评价分类器性能的重要工具。混淆矩阵是一张二维表，根据预测值是否与真实值一致来对预测样本进行分类。混淆矩阵的每一行表示样本实际分类的实例，每一列表示样本的预测类别。若预测值与真实值一致，表明预测样本分类正确；若预测值与真实值不一致，表明预测样本分类有误。由图示可知，Adaboost模型的预测精度较差，稳健状态的误判率高达37.84%；SVM模型的预测精度最好，稳健状态的预测精度高达90.74%。鉴于SVM模型的精度和稳健性，本文选择该模型作为风险预警模型，以期增强结果的说服力。