《表2 4种算法的信用评级预测精度及变化率》
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
《基于机器学习的分布式光伏电站投建人信用风险评估模型研究》
如表2所示,这里分别考虑了训练集和测试集的预测精确度。实验表明4种模型对测试集的预测精确度均低于训练集的预测精确度,这说明仅用训练集计算的预测精确度还不能真正地反映模型的预测能力,模型都存在过拟合问题,对测试集的预测精确度才是对模型预测能力的一个较好的评估。4种模型在测试集上预测精确度都在84%以上,梯度提升决策树的预测精确度最高达到了93.82%,其次是随机森林和决策树模型,层次支持向量机模型最低为84.47%,但都远远高于不使用模型的预测精确度。这说明4种模型均具有一定的分辨能力,能够在相当程度上将投建人区分开来。实验也说明了集成算法的预测精度比单个决策树预测精度更高。
图表编号 | XD0026444800 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.20 |
作者 | 杨珂、陈绍真、王波、林伟珍 |
绘制单位 | 国网电子商务有限公司(国网雄安金融科技有限公司)、国家电网有限公司电力金融与电子商务实验室、国网电子商务有限公司(国网雄安金融科技有限公司)、国家电网有限公司电力金融与电子商务实验室、国网电子商务有限公司(国网雄安金融科技有限公司)、国家电网有限公司电力金融与电子商务实验室、国家知识产权局 |
更多格式 | 高清、无水印(增值服务) |