《表3 不同智能识别模型的性能对比结果》
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
《基于RU-SMOTE-SVM的高新技术企业利润操纵行为识别研究——来自成都的经验证据》
其次,为验证RBF核函数下的RU-SMOTE-SVM模型良好的识别结果,本文进一步与SVM、RU-SVM和SMOTE-SVM模型进行了性能对比实验,结果如表3和图2所示。从表3和图2可以发现,与SVM相比,加入了不平衡样本处理方法的模型,即RU-SMOTE-SVM、RU-SVM和SMOTE-SVM的预测准确率都更高,且一类错误与二类错误都更低,表明不平衡样本处理方法能够有效解决SVM的不平衡样本问题。进一步,对比不同的不平衡样本处理技术可以发现,RU与SMOTE相结合的RU-SMOTE技术比单独的RU和SMOTE具有更高的准确率和更低的一类错误和二类错误,表明RU-SMOTE能够最为有效提升SVM的识别性能。
图表编号 | XD0036752200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.20 |
作者 | 徐凯、万春、肖华玮、韦淼、黄迅 |
绘制单位 | 西南财经大学 |
更多格式 | 高清、无水印(增值服务) |