排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
针对不平衡数据集的低分类效率,基于L-SMOTE算法和混合核SVM提出了一种改进的SMOTE算法（FTL-SMOTE）。利用混合核SVM对数据集进行分类。提出了噪声样本识别三原则对噪声样本进行精确识别并予以剔除,进而利用F-SMOTE和T-SMOTE算法分别对错分和正确分类的少类样本进行采样。如此循环,直到满足终止条件,算法结束。通过在UCI数据集上与经典的SMOTE等重要采样算法以及标准SVM的大量实验表明,该方法具有更好的分类效果,改进算法与L-SMOTE算法相比,运算时间大幅减少。 相似文献
2.
我国证券市场中高送转题材股备受中小投资者的追捧,但市场中也存在着借高送转概念炒作的乱象,如何利用上市公司的财务数据挖掘真正有潜力的股票无疑具有重要意义。采用2?158家制造业上市公司7年的财务指标作为研究数据,利用采样、特征选择以及集成学习算法构建上市公司高送转预测模型并进行实证研究。结果显示：采样和特征选择方法均能有效提高集成预测模型的性能;相较于数据集中的冗余信息,数据不平衡问题对模型预测准确率的影响更显著;ADASYN+mRMR+XGBoost组合模型取得了最好的预测结果,高送转样本的分类准确率达到84.96%,建议投资者优先选用该组合模型对上市公司的高送转情况进行预测。 相似文献
3.
基于中国人民银行行政处罚案例构建度量洗钱风险危害程度的评估模型并进行实证分析.基于1 717例中国人民银行行政处罚案例,构建5个一级风险等级指标.利用层次分析法和熵权法对风险等级指标进行权重赋值,构建基于主客观方法相结合的行政处罚洗钱风险危害程度的评估模型.利用随机森林模型检验指标权重的有效性和模型的准确性.试验结果表明,测试集样本整体的F-score达到94%,研究成果可为行政管理部门从大量反洗钱行政处罚案例中发现典型案例和突出问题提供参考,推动和促进我国反洗钱制度建设. 相似文献
1