《表5 SVM模型测试集混淆矩阵》

  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

《供应链金融视角下的房地产企业信用风险》

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

从模型分析及预测结果可以看出，Logistic模型对房地产企业信用风险的分类的预测效果尚可，Logistic模型的预测结果中有22个低信用风险的公司被正确预测，有两个低信用风险公司被错判为高信用风险公司，表明高信用风险企业能够被全部识别，这也验证了Logistic模型在银行传统的风险识别中具有一定的作用。与之不同的是，支持向量机SVM模型作为一种机器学习的方法，不注重传统的回归系数的大小，采用智能训练学习对企业信用进行评估。本文同样使用上述训练集数据建立模型，然后根据财务指标对测试集的公司信用风险进行预测，预测的混淆矩阵结果见表5。