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