《表4 各模型性能对比结果》

  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

《面向农户贷款信用风险评估的Relief-GEP模型》

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

由表4可以明显看出，在训练阶段，除k-means模型与SOM-ANN模型之外，其余模型的拟合AUC指标均在0.9以上，logistic、SVM-liner、SVM-rbf、SVM-polynomial、kNN、BP-ANN与Relief-GEP模型的拟合精度更是达到了AUC值大于0.95的水平，这表明大多数模型在训练阶段都能较好地对训练样本中所含的拟合模式进行充分整合。而在所有表现较好的模型中，Relief-GEP模型的拟合精度最高，AUC值达到0.976 7，SVM-rbf与k-NN模型次之，AUC指标值分别为0.967 4与0.954 9，这表明相比于现有的12个代表性信用评估模型，Relief-GEP模型能够更好地挖掘训练样本中所蕴含的拟合模式。