基于SVM和Logistic算法对比的中小企业财务困境预测研究

• 作者: 洪欣琪 阮素梅
• 来源期刊: 齐齐哈尔大学学报（自然科学版）
• 关键词: 财务困境预测 特征选择 机器学习 核函数
• 年，卷（期）: 2021,（3）
• 页码范围: 80-88
• 页数: 9页
• 分类号: F275|TP311.1
• 语种: 中文
• DOI: 10.3969/j.issn.1007-984X.2021.03.018

摘要

集成f_classif、随机森林、Lasso、XGBoost四种方法构庴特征选择评分模型并筛选出关键特征,利用RUSboost欠采样处理非平衡数据,在此数据预处理基础上分别庴立支持向量机预测模型(SVM)和逻辑回归预测模型(Logistic)并进行对比分析,考察这两种机器学习方法对中小企业财务困境预测效果.结果显示,在支持向量机预测模型训练中选择径向基核函数且调整c值为1.06时其测试集上的判断准确率显著高二逻辑回归预测模型,对中小企业逐步恶化的财务状况预测准确率达98％.这对金融企业精准评价中小企业的财务风险以及政庙实施中小企业政策扶持提供决策参考.