基于随机森林的税务热线服务质量预测研究

本文以A市12366税务热线为例,从税务热线客服本身的特征与行为出发,引入机器学习中的随机森林算法,构建服务质量预测模型。实验结果显示该模型的拟合优度为86.30%,而用来对比验证的多元线性回归预测模型的拟合优度仅为36.3%。其次,通过对服务质量进行事前预测与把控,不断地优化影响因素,从而有效地提高A市税务热线服务质量。研究发现,通过优化工作经验、实际接听量以及工时利用率等因素可以有效地提高服务质量。     

随机森林模型在边坡安全系数预测中的应用

水对边坡的稳定性影响较大,过多的水容易引起边坡失稳,特别是原地注液过程中,坡体内土体的强度容易下降,边坡容易出现滑坡,使得企业的安全生产及环境受到影响.本文采用随机森林(Random Forest,RF)对该类型边坡进行稳定性预测,根据已有的边坡数据进行模型的训练及测试,表明发现随机森林模型可以满足工程预测需要;要获得...     

隐马尔可夫模型在经济预测中的应用

定量预测方法分为因果预测法和时间序列预测法。因果预测法利用预测变量与其他变量之间的因果关系进行预测,时间序列预测法的原理是根据预测变量历史数据的结构推断其未来值。由于时间序列只能描述变量自身序列的结构,但不能描述其他特征,而因果预测法虽能描述某个变量与其他变量之间的因果关系,但缺少描述这一变量自身时间序列结构的功能。因此,笔者提出了一种新的预测方法———基于观测序列为向量的隐马尔可夫模型(HMM),该方法能同时考虑变量自身序列结构以及变量与其他变量之间的因果关系。本文首先介绍了隐马尔可夫基本理论;其次在模型训练、隐状态序列估计的基础上,提出基于HMM预测算法;最后进行了实证研究,其结果也表明该方法的有效性。     

影响我国财政收入因素的实证研究

财政是一项重要的政府活动,是体现政府职能、实现资源配置、进行宏观调控的主要手段之一。一国的财政收入状况如何,与该国的经济发展、社会发展、社会稳定都是休戚相关的。本文针对财政收入这一热点问题进行研究,通过建立计量模型对影响我国财政收入的因素进行实证研究。在原始模型基础上进行统计学检验和经济意义检验,对模型存在的相关问题进行修正,最后对如何提高我国财政收入质量提出切实有效的政策建议。     

基于灰色残差模型的我国财政收入预测

为提高我国财政收入的预测精度,更好地实现财政收入的资源配置、收入再分配和宏观经济调控的职能,在传统灰色预测技术的基础上,本文建立了残差灰色预测模型预测我国财政收入,并通过实例分析验证了该模型的实用性和精确性。     

基于随机森林的债券违约预测

本文利用方差选择法和互信息法抽取了财务特征中与债券违约最相关的特征,然后使用SMOTE和Tomek Links结合的方法做样本平衡处理,最后构建基于随机森林算法的债券违约预测模型,并与逻辑回归、决策树构建的模型进行了预测性能上的对比。结果显示,基于随机森林构建的模型相比于逻辑回归、决策树构建的模型,AUC、准确率这两个指标的值都更高,表明该研究在债券违约预测方面具有一定的参考价值。     

基于灰色神经网络的咸宁市财政收入预测研究

在介绍灰色神经网络模型原理的基础上,以湖北省咸宁市为例,利用灰色神经网络模型预测出2011-2014年咸宁市财政收入,由于灰色神经网络模型考虑了多指标的共同作用,具有更好的预测效果。     

机器学习在人力资源管理领域中的应用研究

本研究关注的是机器学习在人力资源管理领域的应用,通过目前已有研究的梳理,以了解在人力资源管理领域中人工智能/机器学习的应用程度和研究热点。同时,基于管理实践,本研究提出了人力资源管理者如何利用算法,以有价值的方式处理和解释数据,将其真正应用于人力资源管理的六大模块工作中,以降低管理成本,提供不断增长的优势和潜力。最后,在现有学术研究和管理实践的基础上,本研究列举了机器学习在人力资源管理领域应用可能面临的挑战,以及未来的研究方向,以期为后续的研究提供一定的参考。     

杭州地铁客流特征分析与客流预测

通过对杭州地铁2019年1月1日到2019年1月25日的地铁刷卡数据进行分析,根据进出站高峰小时系数和站点位置将80个站点分为居住、工作、交通场站和混合类型四类。不同类型的车站早高峰晚高峰进出站高峰小时系数均不相同。对不同地铁线路的换乘量进行分析发现3号线换乘量比例最高,占其出站人数的77.7%。使用机器学习方法(随机森林和lightgbm)对不同站点每小时的进出站人数进行预测,平均相对误差均值为9.0%。表现出较强的可预测性。     

基于随机森林算法的应收应付账款审计预警模型应用

在信息数据时代下,大数据、云计算已经广泛应用在各行各业,推动企业进行经营模式和财务管理模式变革,尤其是对于集团公司来说,在财务共享中心的基础上构建各类管理体系能够打破分公司的孤岛效应,实现业务财务的集中管理。借助于财务共享中心以及大数据,企业的审计风险得以有效控制,并将审计工作中极其重视的事前预警提示得以实现,因此,本文基于随机森林算法构建了应收应付账款审计预警模型,并在案例企业中进行应用分析,为现代化的审计工作模式提供新思路。     

基于Benford律的随机森林模型及其在财务风险预警的应用

研究目标:财务数据质量对公司财务风险预警至关重要。数据质量差的财务数据往往降低财务风险预警模型的有效性。利用Benford律能有效评价财务数据质量的特点,构建带有Benford因子的随机森林模型,用于处理财务数据质量对财务风险预警模型带来的影响,能有效提高财务预警模型的预测精度。研究方法:通过Benford律检验财务数据质量,构造Benford因子添加到财务指标变量中,建立基于Benford律的随机森林模型。选择中国A股和美国股市上市公司的财务指标数据进行对比实证分析,采用学习曲线对模型进行参数调优确定最终模型,对比基于Benford律随机森林模型和随机森林模型的预测效果。研究发现:Benford因子能够识别存在财务舞弊的具体样本点并提供数据质量有关信息。相比随机森林模型,基于Benford律的随机森林模型可以提高财务风险预警的准确率。研究创新:将Benford律引入随机森林模型,构造Benford因子,提出基于Benford的随机森林模型。研究价值:基于Benford律的随机森林模型具有更高的预测准确率,扩展了随机森林模型的实用性,为上市公司财务风险预警研究提供了新视角。     

基于VAR模型的地方财政收入的动态预测和结构分析——以黑龙江省为例

文章通过计量经济模型,研究黑龙江省财政收入与GDP之间变化的协整关系,并提出强化税收征管和财源建设的政策建议。     

基于随机森林的智能终端定位模型和算法

以智能终端为研究对象,将动态定位作为研究目标,根据数据获取、预处理、特征提取和选择,分类器设计与分类决策等五个方面提出了基于随机森林的定位模型和算法,详细论述了算法的执行流程,并通过用户测试数据仿真对模型进行了验证,结果表明该模型的定位算法结果准确率在90%左右。     

构建一种地方财政收入的预测模型

地方财政收入的分析和预测是有关部门制定合理的财政政策和财政预算、强化地方财政收入监督管理的有效途径。本文试图运用国际经济理论和分析方法,建立一种地方财政收入的预测模型(季节性ARIMA),以期对地方财政收入做出准确、有效的分析和预测。     

构建一种地方财政收入的预测模型

地方财政收入的分析和预测是有关部门制定合理的财政政策和财政预算、强化地方财政收入监督管理的有效途径.本文试图运用国际经济理论和分析方法,建立一种地方财政收入的预测模型(季节性ARIMA),以期对地方财政收入做出准确、有效的分析和预测.     

股票投资收益率预测的随机分析方法研究

本文针对我国股市涨跌无序，随机性较强的特点，引入股票投资收益率预测的马尔科夫过程模型。文中阐述了马尔科夫过程的相关性质，建立了股票投资收益率预测的马尔科夫过程模型，给出了模型的应用举例，并对模型的应用作出了进一步的相关说明。     

机器学习在数据挖掘中的应用

本文的目的是阐述数据挖掘中机器学习的作用。数据挖掘在商业领域得到了广泛的应用,而机器学习可以进行数据分析和模式发现,从而在数据挖掘应用中扮演了一个关键的角色。了解各个机器学习技术的优缺点有助于我们在具体的应用中选择合适的方法。因此,本文对机器学习技术进行了总结和分析,并讨论了它们在数据挖掘中的优缺点。