《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》
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。
图表编号 | XD0078266400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.25 |
作者 | 吴锦华、王志生、刘重阳、胡龙彪 |
绘制单位 | 安徽信息工程学院、安徽信息工程学院、安徽信息工程学院、安徽信息工程学院 |
更多格式 | 高清、无水印(增值服务) |