《表5 SVM模型测试集混淆矩阵》
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。
图表编号 | XD009947900 严禁用于非法目的 |
---|---|
绘制时间 | 2018.04.23 |
作者 | 徐勇戈、李冉 |
绘制单位 | 西安建筑科技大学管理学院、西安建筑科技大学管理学院 |
更多格式 | 高清、无水印(增值服务) |