《表3 τ=0.8时HC1的实例数和分类精度 (German信用数据)》
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
《基于模糊粗糙集实例选择的混合算法在信用评分中的应用》
从分类结果来看,2个信用数据集在2种交叉检验下的最佳性能都是通过多项式核函数的SVM算法达到的.German信用数据集在2种交叉检验下的最佳分类精度分别是0.983 2和0.986 0,最优的实例数是713,是原始数据集大小的71.3%.Australian信用数据集在2种交叉检验下的最佳分类精度都是0.918 7,最优的实例数是652,是原始数据集大小的94.5%.上述分析表明,German数据集中孤立实例和不一致实例的占比更大.
图表编号 | XD0052004800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 刘占峰、潘甦 |
绘制单位 | 南京邮电大学江苏省通信与网络技术工程研究中心、南京邮电大学江苏省通信与网络技术工程研究中心 |
更多格式 | 高清、无水印(增值服务) |