Python银行风控模型的建立 SVM 决策树 神经网络 三种模型比较

一、首先要感谢原作者的无私分享

原文网页链接：

Python银行风控模型的建立_DG息的博客-CSDN博客_银行风控模型

        首先感谢“Python银行风控模型的建立”（）这位老师，他不仅提供了源代码，还提供了对应的大数据数据。使得观看他文章的人都能轻松的开始做实验，大家如果需要，可自行前往他的网页获取。

二、我的运行环境

• vmware VMware® Workstation 15 Pro 上搭建了

• 类centos，version7.6 的linux 上搭建了

• anaconda3，version4.7.10 （对应Python version3.7.3）上搭建了

• TensorFlow，version2.10.0

三、我的运行结果和原文结果对比

       原文的结果：

        原博主：“通过模型的准确率可得模型效果优劣排行：决策树>神经网络>SVM”

      我按照“Python银行风控模型的建立_DG息的博客-CSDN博客_银行风控模型”这位老师的所有代码复制在我的jupyter notebook里，可是我得到的结果：

                         模型运行时间：6.016488790512085
                         神经网络准确率：0.8171428442001343

                         模型运行时间：0.0039958953857421875
                         SVM支持向量机准确率：0.9928571428571429

                         模型运行时间：0.22768306732177734
                         决策树准确率：0.9514285714285714

       按照我上面的结果：SVM>决策树>神经网络

四、屏蔽train_test_split函数的影响

为了屏蔽train_test_split函数的影响，我将原文中train_test_split统一成一个

train_test_split(x, y, test_size=0.2, random_state=100,shuffle=True)       

但结果中准确率区别不大，

各位看官，这是什么原因呢？请大家不吝赐教或私信我，谢谢！