نتایج آزمون و یافته های فرضیه فرعی سوم
نتیجه حاصل از صحت طبقه بندی این الگوریتم و اعتبار مدل در شکل زیر ارائه شده است :
شکل ۴-۷ : میزان صحت و قدرت پیش بینی مدل شبکه عصبی
منبع : یافته های پژوهشگر
میزان صحت مدل شبکه عصبی (MLP) در مجموعه داده های آموزش ۹۴.۵۵ % می باشد. درصدهای مربوط به تست مربوط به صحت طبقه بندی و معیاری برای ارزیابی اعتبار و صحت مدل می باشد که در این تکنیک ۹۳.۴۶ % می باشد. همچنین تعداد داده های آموزش مدل ۴۴۰ تراکنش و تعداد داده های تست در این مدل ۱۵۳ تراکنش برآورد شد.

پیش بینی های مورد انتظار برای ۱۴۹ مشتری در مجموعه داده های تست برای مدل شبکه عصبی در جدول صفحه بعد مشاهده می شود.
جدول ۴-۸ : عملکرد پیش بینی مدل شبکه عصبی در مرحله تست

منبع : یافته های پژوهشگر
همانطور که در جدول فوق مشخص است از مجموع ۱۰۸ مشتری خوش حساب، تعداد ۱۰۴ مشتری به عنوان خوش حساب و ۴ مشتری (به اشتباه) به عنوان بدحساب تشخیص داده شده اند به طوری که دقت الگو در این خصوص ۹۶.۲۹ درصد محاسبه شده است. به همین ترتیب از ۴۵ مشتری بدحساب، ۳۹ مشتری به عنوان بدحساب و ۶ مشتری (به اشتباه) خوش حساب تشخیص داده شده اند و دقت الگو در این حالت حدود ۸۶.۶۶ درصد می باشد. بنابراین میانگین دقت پیش بینی در این مدل ۹۳.۴۶ درصد است.
همچنین بر اساس این مدل متغیرهای با اهمیت در نمودار زیر نمایش داده شده است :
شکل ۴-۸ : متغیرهای با اهمیت مدل شبکه عصبی
منبع : یافته های پژوهشگر
بر اساس نمودار فوق متغیرهای با اهمیت عبارت است از : نوع شرکت، زمینه فعالیت، نسبت دارایی های جاری، نسبت دارایی سریع به کل دارایی، نسبت تسهیلات کوتاه مدت به فروش خالص، نسبت بازده فروش، نسبت جاری، نسبت مالکانه و سایر متغیرهایی که در نمودار فوق مشخص میباشد.
۴-۴- کارآیی مدل ها در مقایسه با الگوریتمهای مختلف طبقه بندی
برای سنجش کارآیی مدل های ارائه شده، صحت نتایج این مدل ها با الگوریتم های طبقه بندی دیگری از جمله درخت تصمیم C&R Tree، CHAID، QUEST، Decision List، Descriminant، Regression، Logistic مورد مقایسه قرار گرفتند که نتایج طبقه بندی هریک از آنها در جدول زیر نمایش داده شده است.
جدول ۴-۹ : مقایسه تطبیقی صحت الگوریتم ها