《表3 数据集1筛选后特征属性》

  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

《基于超参数优化和集成算法的个人信用评估研究》

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

本文实验采用的开发语言为Python，其中多数算法采用Sklearn库实现．数据集1存在指标冗余的现象，为减少特征数量，提高特征集与目标变量的相关性，加强模型预测效果，采用相关系数法、卡方、递归特征消除法、套索回归和随机森林五种方式分别进行特征筛选，分别进行重要性排序，再进行投票排序，按照各指标属性频次进行选择，选取了频次大于等于2的指标，筛选属性见表3.