《表1 0 不同算法对Australian和German信用数据集的分类精度》
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》
2种混合分类器与线性判别分析(LDA,linear discriminant analysis)、逻辑回归(LR,logistics regression)和神经网络(NN,neural network)等未做实例选择基准分类器[21]的最佳分类精度比较见表10.从比较结果来看,2种混合分类器取得了明显优于基准分类器的分类精度,尤其是HC2对Australian数据集展示了更加强大的信用评估能力.对German数据集,2种混合分类器没有明显的分类精度差异.
图表编号 | XD0052005200 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) |