节能企业信用风险识别体系及步骤解析

　　(二)数据补全与属性离散化

　　选取的120组数据中多数信息完整，少数信息不完整。为了保证结果的准确性，补全不完整信息使用的是Mean／Mode6u。将Utrain中120个样本的属性值和决策值输入Excel中，对不同算法的离散化结果进行比较。为使结果简洁方便，离散化使用粗糙集理论结合布尔逻辑的算法，求得6个属性的6个断点(见表2)。依据属性赋值与断点可以确定新的决策表。

　　表2 条件属性量化参数

　　(三)决策表属性约简

　　将决策表输入Rosetta软件进行属性约简。由于算法ManualReducer和Holte’S包含30个属性，算法Johnson’sAlgorithm与GeneticAlgorithm的约简数量分别是17个、11个，为体现属性约简的便利性，选择Ge—neticAlgorithm的约简结果(见表3)。

　　表3 GeneticAlgorithm生成的可能约简

　　(四)确定决策规则

　　根据表3的约简结果和最小决策原则，使用Ge．neticAlgorithm确定决策规则(见表4)。

　　表4 基于粗糙集理论的信用风险识别决策规则

　　(五)决策规则检验

　　依据信用风险识别中的检验原则检验上述决策规则。原始数据选用5个上市公司的财务指标，离散化结果赋值选用表3中数据，判断依据是上述决策规则。通过与已知信用状况的对比，显示5组指标符合预测情况(见表5)，证实对节能企业信用评价可以使用基于粗糙集理论的信用评价模型。