НЕЙРО-НЕЧІТКІ ТЕХНОЛОГІЇ МОДЕЛЮВАННЯ В ЕКОНОМІЦІ
2019, № 8
При порівнянні ефективності моделей лінія поділу класів (cutoff) була встановлена на рівні 0,5, хоча оптимальні лінії cut-off різних моделей мали відмінності, проте незначні (0,5±0,05). У процесі дослідження проведено 10 ітерацій побудови нейронних мереж за трьома підходами до попереденьої обробки даних: NN — на основі даних без трансформації (тип 1), NN_0X — із переведенням категоріальних характеристик у набір фіктивних змінних (тип 2), NN_WOE — на основі категоризованих показників із розрахунком відповідних WOE (тип 3). Результати тестування ефективності всіх побудованих моделей наведені у табл. 13. Таблиця 13 ПОКАЗНИКИ ЕФЕКТИВНОСТІ ПОБУДОВАНИХ НЕЙРОННИХ МЕРЕЖ ЗА ТРЬОМА СПОСОБАМИ ПОПЕРЕДНЬОЇ ОБРОБКИ ДАНИХ № експ.
Модель
NN 1
2
3
4
5
6
AUROC
KS
Gini
Sensitivity
Specificity
Accuracy
Balanced Accuracy
0,8247 0,5170 0,6494 0,4209 0,9265 0,7922
0,6737
NN_WOE 0,8490 0,5530 0,6980 0,4548 0,9316 0,8050
0,6932
NN_0X
0,8429 0,5439 0,6858 0,4350 0,9275 0,7967
0,6813
NN
0,8213 0,5165 0,6426 0,4182 0,9262 0,7794
0,6722
NN_WOE 0,8424 0,5516 0,6848 0,4519 0,9241 0,7877
0,6880
NN_0X
0,8297 0,5179 0,6594 0,4468 0,9262 0,7877
0,6865
NN
0,8177 0,4901 0,6354 0,4357 0,9223 0,7832
0,6790
NN_WOE 0,8294 0,5127 0,6588 0,4121 0,9170 0,7727
0,6645
NN_0X
0,8253 0,5122 0,6506 0,4304 0,9233 0,7824
0,6769
NN
0,8253 0,5086 0,6506 0,4354 0,9308 0,7899
0,6831
NN_WOE 0,8451 0,5553 0,6902 0,4749 0,9308 0,8012
0,7029
NN_0X
0,8329 0,5210 0,6658 0,4591 0,9361 0,8005
0,6976
NN
0,8087 0,4776 0,6174 0,4154 0,9205 0,7682
0,6680
NN_WOE 0,8124 0,4945 0,6248 0,4229 0,9098 0,7629
0,6663
NN_0X
0,8142 0,4810 0,6284 0,4254 0,9313 0,7787
0,6783
NN
0,8234 0,5322 0,6468 0,4219 0,9168 0,7742
0,6693
NN_WOE 0,8352 0,5374 0,6704 0,4583 0,9210 0,7877
0,6897
NN_0X
0,8283 0,5300 0,6566 0,4245 0,9189 0,7764
118
0,6717