《表3 Relief算法中各属性重要性》

  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

从表3中可以明显看出，在所用数据集各项指标中，性别因素对预测违约概率作用最为明显，作用力度在所有指标中占比超过了50%，其次分别为婚姻状况、教育、年龄、贷款实际利率等因素，而健康状况、贷款是否存在担保、贷款额度3项指标的Relief算法重要性得分均为负值，表明这3项指标对预测违约概率作用不强。故根据Relief-GEP农户信用评估模型设计原理，剔除这3项指标，从而实现训练样本降维，摈弃噪声信息。