《表4 多模型各参数比对:基于自然语言处理与深度学习的信用贷款评估模型》
%
根据表4分析可知,由缺失特征的数据处理与训练可以看出,WV-CNN模型与多元线性回归都无需处理可直接评估,降低了人为填充特征的主观因素的干扰,但WV-CNN对于缺失特征的鲁棒能力更强,最终测试准确率可达85.8%。由最终训练与测试结果可以看出,WV-CNN训练准确率为98.2%,测试准确率为91.7%,较其他常用模型都有小幅提高。因此,WV-CNN模型在提高信贷评估准确率的同时,也优化了对缺失特征的处理能力。
图表编号 | XD00175711900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.29 |
作者 | 赵雪峰、吴伟伟、时辉凝 |
绘制单位 | 哈尔滨工业大学管理学院、哈尔滨工业大学管理学院、广东外语外贸大学会计学院 |
更多格式 | 高清、无水印(增值服务) |