破产预测的差分演化导定神经网络模型

表11.

相对文献中其他单一分类方法获得的定性破产数据集的分类精度。


作者（年）	方法（火车到测试比率）	平均准确性（％）

Kalyan Nagaraj，Amulyashree Sridhar（2015）[40]	Logistic回归（2/3-1 / 3）	97.2
Kalyan Nagaraj，Amulyashree Sridhar（2015）[40]	旋转森林（2/3-1 / 3）	97.4
Kalyan Nagaraj，Amulyashree Sridhar（2015）[40]	天真贝叶斯（2/3-1 / 3）	98.3.
Kalyan Nagaraj，Amulyashree Sridhar（2015）[40]	基于RBF的SVM（2/3-1 / 3）	99.6
E. K. Kornoushenko（2017年）[41.]	最近的邻居（50％-50％）	97.6
J.uthayakumar et。al。（2017）[42.]	蚂蚁矿工（10倍交叉验证）	100.
J.uthayakumar et。al。（2017）[42.]	Logistic回归（10倍交叉验证）	99.2
J.uthayakumar et。al。（2017）[42.]	MLP（10倍交叉验证）	99.2
J.uthayakumar et。al。（2017）[42.]	随机森林（十倍交叉验证）	100.
J.uthayakumar et。al。（2017）[42.]	基准函数（10倍交叉验证）	99.2
J.uthayakumar et。al。（2018）[43.]	遗传算法（未提及）	71.48
J.uthayakumar et。al。（2018）[43.]	蚁群算法（未提及）	83.05
我们的方法（2019）	EPNN（50％-50％）	99.57
我们的方法（2019）	EPNN（10倍交叉验证）	99.68