《表1 1 各神经网络模型测试集识别效果比较》
与逻辑回归、决策树、支持向量机以及采用径向基函数的神经网络模型相比,采用多层感知器的神经网络模型在测试集中的正确率最高,因此调节采用多层感知器的神经网络模型的参数对模型进行优化,以探求最佳的财务舞弊识别模型。神经网络模型可调节的参数主要有隐藏层数、隐藏层神经元数、激活函数以及梯度下降法循环次数。在SPSS Modeler中,神经网络模型可以调节的参数主要有隐藏层数和各隐藏层神经元数,隐藏层数最多为2,因此在构建多层神经网络模型时存在一定局限性。构建多层神经网络时,按n2小于n1的原则调整神经元数,在测试集中的正确率最高的9个模型(神经网络1-9)如表11所示。与自动计算神经元数得到的单层神经网络模型相比,多层神经网络模型的识别效果更佳。当n1=13,n2=10时,神经网络7的正确率为86.86%,是所有神经网络模型中正确率最高的模型。
图表编号 | XD00190894300 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.28 |
作者 | 曾小青、唐湘勇 |
绘制单位 | 长沙理工大学经济与管理学院、长沙理工大学经济与管理学院 |
更多格式 | 高清、无水印(增值服务) |