《表5 τ=0.7时HC1的实例数和分类精度 (Australian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》

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

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.