《表1 方法的评价指标：基于决策树的用户信用评分模型的构建》

  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

《基于决策树的用户信用评分模型的构建》

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

经过数据预处理以及特征选择之后，选择决策树对数据进行分类，在机器学习中，决策树是一个预测模型，它代表对象属性与对象值之间的一种映射关系[1]。本文通过使用scikit-learn平台中的决策树工具构建方法模型。另外，为了评估方法模型的有效性，采用交叉验证法来评价分类器性能，另外选择受试者工作特征（Receiver Operating Characteristic curve，ROC）曲线下的坐标轴围成的面积（Area Under Curve，AUC）值作为评分标准，对应AUC更大的分类器效果更好。绘制出的AUC曲线如图3所示。另外，训练模型以及调节相应参数，计算出方法模型的准确率、精确率、召回率、f1-score，具体如表1所示。