《表3 特征数量和模型表现》

  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CPSO-XGboost的个人信用评估》

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

图4为4种模型的ROC曲线图。在ROC空间中，ROC曲线越靠近图像的左上方表明分类器效果越好。ROC曲线下的面积为AUC值，AUC值介于0和1之间，AUC值越高则分类模型的性能越好。从图3中可以看出，在相同的个人信用评估数据下，CPSO-XGboost模型表现出更好的信用评估性能，AUC值为0.92高于其它模型。该实验结果表明将CPSO-XGboost应用于个人信用评估的可行性和优越性。