集成機(jī)器學(xué)習(xí)模型在不平衡樣本財(cái)務(wù)預(yù)警中的應(yīng)用
所屬分類(lèi)：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>571 K
標(biāo)簽： 財(cái)務(wù)預(yù)警預(yù)測(cè) 集成機(jī)器學(xué)習(xí) 不平衡采樣技術(shù)
所需積分：0分積分不夠怎么辦,？
文檔介紹：基于上交所主板市場(chǎng)A股企業(yè)的財(cái)務(wù)指標(biāo)數(shù)據(jù)來(lái)預(yù)測(cè)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)，樣本數(shù)據(jù)包括1 227家正常上市企業(yè)和42家被財(cái)務(wù)預(yù)警的企業(yè),，數(shù)據(jù)嚴(yán)重不平衡,，通過(guò)重采樣技術(shù)解決了分類(lèi)器在不平衡樣本中失效的問(wèn)題,，運(yùn)用Bagging思想的集成機(jī)器學(xué)習(xí)對(duì)預(yù)測(cè)模型進(jìn)行提升與優(yōu)化。正確挑選出有財(cái)務(wù)危機(jī)企業(yè)的概率最高達(dá)到92.86%,在此基礎(chǔ)上,，樣本的整體準(zhǔn)確率在經(jīng)過(guò)模型的集成之后提高了5.4%,。集成模型提高了對(duì)上市企業(yè)的財(cái)務(wù)預(yù)警能力，能為企業(yè)的正常經(jīng)營(yíng)和投資者的安全投資提供一定的借鑒,。
現(xiàn)在下載
VIP會(huì)員,，AET專(zhuān)家下載不扣分；重復(fù)下載不扣分,，本人上傳資源不扣分,。