基于机器学习方法的中国上市公司舞弊研究

数字时代的来临使利用机器学习识别财务舞弊成为研究的热点。在采用原始财务数据的基础上，引入财务比率、公司治理指标、审计指标和我国资本市场特殊指标，并以Logistic模型为评价基准，分别运用决策树、随机森林、Adaboost决策树和支持向量机(SVM)模型进行机器学习分析，并利用采样的方式降低样本不平衡性，以召回率(recall)为评价各模型的标准，综合运用准确率(accuracy)、召回率和AUC判断模型和数据的优劣。研究发现：加入财务比率、审计指标和我国资本市场特殊要素指标的模型能够得到较优的识别效果，而公司治理指标并不能提高模型的舞弊识别能力；与其他模型相比，随机森林模型和Adaboost-决策树模型具有更好的舞弊识别效果。     

基于决策树与logistic的上市公司信用评估比较研究

本文构建了基于决策树和logistic的评估模型,对我国目前已上市的216家上市公司进行了实证研究。首先运用单因素方差分析、因子分析对46个变量进行属性约简,最后选定了整合16个指标信息的6个主因子。随后分别运用基于熵方法、基尼系数法的决策树、logistic方法,建立了3个上市公司信用分类的模型。本文的研究结果显示:决策树并不严格优于logistic回归,在公司信用水平差的可能性高的情况下,采用Logistic模型预测能力较好,信用差的概率处于中高水平时,决策树模型较好,其他情况下,三种模型预测能力相当。     

一种改进决策树算法的探讨

ID3算法是示例学习中建立决策树的一种重要的方法.介绍了 ID3决策树算法的基本思想,讨论了ID3决策树算法中的难点和不足,结合实例给出了利用信息增益度法来改进ID3算法的详细过程.     

基于神经网络和决策树相结合的信用风险评估模型研究

文章提出了一种将神经网络和决策树相结合的信用风险评估模型NN-DT。该方法依据属性重要性将贷款企业的财务指标进行排序,然后通过RBF神经网络进行属性裁减生成决策树,从而得出企业是否违约的分类。最后以判别分析以及C4.5 算法为参照方法进行了实证研究,结果表明,NN-DT模型显著地提高了预测精度。     

基于决策树的网络教学系统的学生模型研究

基于遗传算法与决策树思想相结合的方法,对学生的学习历史、方式,知识情况,认知能力等要素进行数据分析和分类,将学生模型分为偏差模型、覆盖模型、心理模型和认知模型．为用户提供了个性化的教学环境．     

基于高校学生满意度的教学质量评价研究——以北京科技大学为例

学生满意度是衡量教学质量的重要参照。论文设计了高等学校教学质量满意度的评价指标体系,编制了测度量表,并进行效度、信度检验。以北京科技大学毕业生作为研究对象,采用分层抽样方法,对614名2011级本科毕业生进行了调查,从学生的角度对学校本科教学质量进行宏观监测。文中还利用决策树模型分析了不满意学生群体主要特征,应用神经网络模型分析了影响学生满意度的各因素的重要性。      

基于决策树分类的Weka平台上数据挖掘应用

数据挖掘中的决策树分类可以对数据集进行有效的训练学习以及对新的相应数据集快速准确的分类.本文给出了一个利用Weka数据挖掘工具进行决策树分类的实例.     

一种深度置信提升网络集成分类模型

针对前大数据环境下浅层机器学习模型提取特征能力不足、分类能力有限等问题,提出了一种深度置信提升网络集成分类模型。该模型采用集成深度置信网络(deep belief networks,DBN)进行特征提取,克服了单一模型特征提取能力不足的问题;采用极端梯度提升决策树(eXtreme gradient boosting,XGBoost)和梯度提升决策树(gradient boost decision tree,GBDT)构建深层提升网络,对提取特征进行多层特征深度学习,采用相对多数投票法输出分类结果。基于4个UCI公开数据集和MNIST数据集对提出模型进行了检测实验,实验结果表明:提出模型较深度置信网络、极限梯度提升树和DBN-XGBDT等3种模型的准确率分别提升了13.8%、6.98%和4.18%。     

长沙市民文化旅游决策规则分析

随着文化旅游愈益重要,人们的文化旅游决策的影响因素是一个值得特别重视的问题。通过对长沙市居民进行问卷调查,获得1068份有效问卷,形成数据库,采用决策树技术分析,发现文化旅游者具有三级决策规则,分别对应"文化底蕴"、"地方风俗"和"月收入"。使用决策树建立决策规则模型,从年龄和职业角度对三级规则的人口构成进行了分析。     

基于知识挖掘的决策树规则对于工程管理学生个性化择业决策的支持研究

工程管理专业的学生是目前较好就业的专业之一。面对众多的从业方向和择业选择,如何为工程管理专业的大学生提供有效的职业生涯决策具有较大意义。本文结合某高校的实际情况,利用挑选出的工程管理学生生涯的数据集和知识挖掘决策树分类技术的ID3算法形成以供工程管理毕业生择业时参考的决策树规则,由于ID3算法需要将属性进行离散化,因此,本文引入了云模型对难以离散化的属性进行离散化。经过实例验证,本文生成的决策树规则可以为工程管理的毕业生在择业时提供个性化决策的支持。