摘要:
针对应用RBF(Radial Basis Function)神经网络信用评分中存在的第Ⅰ类错误率高的问题,提出了基于Linex损失下RBF神经网络分类方法,并给出了UCI(University of California Irvine)中德国信用评分数据集上的测试结果。实验结果表明,该方法能有效解决传统RBF神经网络信用评分中存在的问题。
中图分类号:
刘延喜,李忠范. RBF神经网络非对称损失改进及应用[J]. J4, 2010, 28(05): 488-.
LIU Yan-xi,LI Zhong-fan. Improving RBF Neural Network under Asymmetric Loss
and Its Application[J]. J4, 2010, 28(05): 488-.