基于卷积神经网络的客户信用评估模型研究*
|
刘伟江,魏海,运天鹤
|
Evaluation Model for Customer Credits Based on Convolutional Neural Network
|
Liu Weijiang,Wei Hai,Yun Tianhe
|
|
表5 模型正负样本识别性能
|
Table 5 Models’ Recognition Performance of Positive and Negative Samples
|
|
特征处理方法 | 模型方法 | 灵敏度 | 特异度 | 查准率 | LeNet-5① | 0.687(1) | 0.994(1) | 0.998(1) | 基于信息价值特征处理 | BP神经网络 | 0.616 | 0.723 | 0.695 | 决策树 | 0.625 | 0.706 | 0.679 | 支持向量机 | 0.657(3) | 0.751 | 0.724 | 随机森林 | 0.663(2) | 0.717 | 0.744 | Logistic回归 | 0.617 | 0.649 | 0.635 | 基于PCA特征处理 | BP神经网络 | 0.648 | 0.889(3) | 0.946(3) | 决策树 | 0.636 | 0.839 | 0.911 | 支持向量机 | 0.657(3) | 0.911(2) | 0.956(2) | 随机森林 | 0.641 | 0.872 | 0.930 | Logistic回归 | 0.648 | 0.889(3) | 0.656 |
|
|
|