《表3 不同模型的拟合效果（R2值）》

  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

《信用债估值新方法:基于大数据和机器学习》

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

针对选取的房企债券样本和特征维度，利用多模态学习方法构建模型。在模型训练过程中，为了进一步验证XGBoost的适用性，我们比较了向量支持机（SVM）、随机森林和XGBoost的拟合度以探索模型的适用性。结果显示，XGBoost效果较为优于SVM和随机森林，如表3所示。因此，我们最终采用XGBoost作为核心主模型。