共查询到10条相似文献,搜索用时 77 毫秒
1.
通过对已知事实的分析总结,得到对客观世界的认识和规律.这些规律可以帮助人类认识现有的世界,同时帮助人类对未知的现象做出正确的预测和判断,预测不能直接观测的事实.这是人类智慧中的重要体现之一.人们把从过去的数据和以往的知识中学习并获取规律的能力称为学习能力.机器学习是继专家系统之后人工智能的又一重要领域很多学者都认为学习是智能的核心.基于数据的机器学习(Learning from examples)是现代机器学习技术中的重要方面,它从观测数据(样本)出发去寻找规律、发现模式,并利用这些规律和模式对未来数据或无法观测的数据进行预测和分类. 相似文献
2.
3.
4.
银行数据仓库的建成,必然面临如何在上面建立应用进行数据综合利用和深度挖掘的问题,目前各数据仓库厂商提供数据仓库的同时提供OLAP分析软件,这种类型的软件能对数据仓库已有的数据进行统计和分析,得出某种结果。但要找出数据中的潜在规律,做出某种预测,却是力所不能及。这样的工作只有数据挖掘(DataMining)工具才能完成。数据挖掘是一种决策支持过程,它主要基于人工智能、机器学习、统计学等技术,高度自动化地分析银行原有的数据,做出归纳性的推理,从中挖掘出潜在的模式,预测客户的行为,帮助企业的决策者调整市场策略、减少风险、做出正确的决策。而当前真正成熟和能够投入实际应用的数据挖掘工具并不是很多。因此,设计一个适合我国金融业的数据挖掘工具显得非常必要。 相似文献
5.
上市公司年报披露的会计信息是利益相关者决策的重要依据,错报及之后的财务重述降低了会计信息质量,增加了注册会计师的审计风险。随着盈余管理手段愈发隐蔽,单纯依赖传统的风险评估方法可能难以有效识别错报风险。机器学习具有独特的学习模式和甄别方法,能对错报做出有效识别,有助于降低审计风险。实证结果表明,与logistic回归相比,多层感知机神经网络等五类机器学习方法对上市公司调减盈余的年报财务重述的预测准确率、F1分值和第Ⅰ类错误率等方面都表现更优;研究还发现,营运能力等四类特征在预测过程中起到重要作用。 相似文献
6.
7.
保险费率厘定的核心工作是对保险损失的预测。在保险损失预测中,广义线性模型是目前使用最为广泛的主流方法,而机器学习算法则提供了一种新的选择。本文将支持向量机、神经网络和集成学习等机器学习算法应用于汽车保险的损失预测,建立了索赔发生概率的预测模型和累积赔款的预测模型,并与传统广义线性模型中的logistic回归模型和伽马回归模型进行了比较。结果表明,机器学习算法的优点是不依赖于分布假设,在一定程度上可以提高保险损失预测的精度,缺陷是比较耗时,建模过程中的人为干预较多,对使用者提出了更高的要求,且输出结果的可解释性不及广义线性模型。机器学习算法与广义线性模型在保险损失预测中各有优缺点,具有互补性,在实际应用中,可以根据不同的场景选择不同的方法。 相似文献
8.
随着以大数据、机器学习、深度学习为基础的人工智能技术在银行业应用的不断深入,商业银行的数字化转型也在快速推进。一些银行开始通过大数据构建机器学习模型,并嵌入到自动化的信贷业务审批流程中,帮助预警风险,提升风险管理水平,同时也帮助改进传统模型过度依赖专家经验和规则的缺陷。例如,量化指标维度过少,难以挖掘复杂的数据关联特征,过度依赖模型设计者的主观因素导致特征不适合、不完整等。 相似文献
9.
人类在运用工具改造世界的实践过程中,通过活动的逐渐协调,不断训练和提升了自身的"运动器官、感觉器官和思维器官"。在这个过程中,"规律"作为人类认识的成果,以"知识"的形式在不同的主体中完整一致地传播,从而保证不同主体协同一致,推动人类实践活动顺利进行。信息应用系统作为工具,从延伸人类能力角度出发,可以分为操作性应用系统(延 相似文献
10.
会计确认的再认识及应用——基于事实判断和价值判断的认知论释义 总被引:1,自引:1,他引:0
本文以认知论中的事实判断和价值判断作为认知工具,对会计确认的定义和涵义进行了再认识。认知结果表明:会计确认是一个包含事实判断和价值判断的过程,这个过程可以细分为事实判断阶段、评价性价值判断阶段和规范性价值判断阶段,事实判断阶段决定会计信息的可靠性,评价性价值判断阶段决定会计信息的相关性,而规范性价值判断对前面的事实判断有着重要的影响。在此基础上,本文还对概念框架中的一些基础概念(如会计目标、会计信息质量特征、会计要素、有用性)给出了新的解释。对会计确认的再认识,不仅有利于使会计确认过程的真实性和丰富性得到更好地呈现和揭示,而且还有利于从细化的过程或环节入手,更好地做好会计确认工作。 相似文献