企业投资决策中项目评估方法的选择研究

本文讨论了企业投资决策中项目评估的三种方法——NPV法、决策树分析法和实物期权方法,比较了它们在应用中的优缺点并给出了其各自适用的条件。     

基于CART决策树的大学生游戏消费行为研究——以某高校大学生为例

针对大学生游戏消费行为,提出了基于CART决策树的预测方法,此方法具有较高的的准确率和良好的自学能力。利用CART决策树可以对影响游戏消费行为的复杂因素进行回归分类及规则提取,进而从众多的数据中得出一致性规律,经过CART决策树模型的构建,结果表明,CART决策树方法良好地预测了影响大学生消费行为的因素。     

企业创新型项目投资评价方法探讨

论文在分析创新型项目投资特点的基础上,说明这些特点不能满足传统的贴现现金流量评价方法的假设前提,进一步提出从定性和定量两个方面对创新型投资项目的可行性进行评价。定性评价的内容包括:是否与公司战略目标相一致;是否有助于公司培育核心竞争力;项目实施成员是否对公司忠诚。定量评价可选用实物期权法、决策树法和模拟法。     

基于数据挖掘的特约商户差别分析

随着刷卡消费的日益普及,银商之间矛盾的凸显,如何在大量的数据挖掘中分析特约商户的特点,为制定合理的交换费成为亟待解决的问题。应用数据挖掘中决策树算法来分析特约商户,通过对数据挖掘方法以及ID3算法进行数据处理,发现应用决策树算法对特约商户差别分析能为金融机构进行差别定价提供有益的帮助。     

基于决策树的一种改进算法

首先介绍了ID3算法的基本思想，然后讨论了决策树算法中的难点问题，针对ID3算法中所存在的不足，提出了一种利用优值法的思想来改进信息增益的算法，并且与ID3算法进行了实验对比。实验表明，这种方法从树的规模和分类精度都优于许多决策树算法，使决策效率明显提高。     

基于粗糙集的决策树旅游景点信用评估模型的设计与实现

旅游景点信用评估是一种典型的分类问题,本文概述了粗糙集和决策树的理论,基于这两种理论,提出了一个基于数据挖掘粗糙集理论与决策树分类技术相结合的信用评估方法来建立旅行景点的信用评估模型,利用粗糙集的知识约简的概念,对样本数据进行预处理,去除冗余属性对分类模型的影响,然后用决策树方法建立分类模型.最后通过Pawlak重要度的属性约简算法和ID3决策树算法实现了该模型.     

工程投标报价决策树法应用研究

从承包商角度阐述投标报价的决策树法应用 ,并对其风险和稳定性进行了分析。承包商在投标报价时所面临的关键问题是做出正确决策 ,提高中标率 ,这样 ,才能在市场竞争中处于有利地位。     

数据挖掘方法在未利用土地适宜性评价中的应用

运用数据挖掘的决策树方法为未利用土地适宜性评价建立模型,以福建省福州市闽侯县作为一个试验区,本文首先运用主成分分析法,消除各因素之间的相关性,得出8个相互独立的指标(影响因子)作为测试属性,共提取了67个样本,再运用C4.5算法构建未利用土地适宜性评价决策树并进行了分析,表明所得规则符合实际并且易于理解。然后运用生产的规则对试验区未利用土地进行评价,并与应用实地调查所得的结果作对比分析。结果表明:基于决策树技术的未利用土地适宜性评价方法不仅不依赖于经验知识,而且通过此模型得到的评价结果具有较高准确率,能够满足评价的要求。     

浅析信用评分模型

本文对信用评分领域中主要的模型和方法做了细致的概述和优缺点比较,这些模型包括判别分析模型、决策树分析回归分析和神经网络模型。     

浅析信用评分模型

本文对信用评分领域中主要的模型和方法做了细致的概述和优缺点比较,这些模型包括判别分析模型、决策树分析回归分析和神经网络模型。     

一种加权聚类划分决策树算法

针对斜划分决策树算法普遍存在时间效率低、部分算法仅能应用于二分类问题,提出了一种基于加权距离的聚类决策树算法。通过Relief-F算法为预测属性计算权重,并将权重用于树结点中数据的聚类过程,使用分簇结果对结点进行多路划分,得到可直接用于多分类问题的决策树。理论分析和实验结果表明,该算法与经典轴平行决策树相比,拥有更好的泛化能力以及相近的算法时间复杂度,与大部分斜决策树相比,在付出更少计算代价的前提下,获得了近似的正确率以及模型简洁度。     

基于多分类器的移动通信客户信息挖掘

移动通信领域中的客户信息挖掘是数据挖掘和商务智能领域中典型应用之一,具有较高研究意义和商业应用价值。在基于决策树的数据分类算法基础上,采用相异度计算原理进行分类,重点对移动通信客户是否可能成长为高价值客户的分类进行了研究。测试结果表明,本文所提出的组合分类方法是完全可行的。     

制造业上市公司财务预警模型的构建及比较——基于ROC曲线分析

本文以制造业上市公司为研究主体,选取反映企业经营成果和财务状况等六大方面的财务指标和审计意见等非财务指标,运用因子分析方法降低指标之间的多重共线性,分别建立Logistic回归和决策树模型,最后运用ROC曲线来对模型的预测精度进行比较分析。研究发现:从AUC的角度来看,Logistic回归模型的预警能力要强于决策树。但两个模型的侧重点不一,决策树会更加的偏重于对企业财务经营情况进行长远的预测,反映企业发生财务危机的内在原因,而Logistic回归模型则是直接的体现出企业发生财务危机后的结果,因此我们应该根据不同的目的来选择相应的模型进行财务危机的预警分析。     

基于手机信令的城市道路交通状态实时预测

为准确、实时预测道路交通状态，通过分析影响交通的因素，利用决策树算法对速度和环境因素等数据进行建模，确定交通拥堵发生的规则，在此基础上结合实时的移动用户和环境因素数据对交通状态进行预测。以中国河北保定城区为例进行实验，验证了该方法的有效性。同时，研究发现，基于决策树算法进行道路交通状态预测的方法具有较好的扩展性。     

移动通讯客户消费水平分析中的数据挖掘

本文详细探讨了如何利用信息增益分析技术、属性的相关分析以及数据归约方法对数据库进行压缩,以及数据挖掘中关联规则、决策树和决策规则等方法的运用。并在此基础上,对我国某地区移动通讯用户消费水平的数据库进行了分析。     

浅析数据挖掘分类方法中的决策树算法

分类是数据挖掘、机器学习和模式识别中一个重要的研究领域。决策树分类是一种重要的数据分类技术,本文通过对对各种决策树分类算法的基本思想进行阐述,并分析比较了各种算法的主要特性,为使用者选择算法或研究者改进算法提供借鉴。     

决策树C4.5算法在银行信贷业务工作中的应用研究

在银行的信贷业务中,银行贷款员需要分析数据,要预测哪些贷款申请者是安全的,银行是否有风险。对于这类问题,文中利用数据挖掘技术中决策树C4.5算法,以一个具体的案例详细讲解了C4.5算法的原理及其实现算法,通过分析以往客户贷款的信息,建立预测模型和模型解释,并通过提取模型中的规则对银行进行信贷业务时可以预测客户是否是安全的,为降低银行信贷风险起到了一定的辅助作用。     

基于几类机器学习模型的房价预测分析

选取1998年～2019年全国35个大中城市房价及其影响因素的相关数据,分别构建基于K近邻法、决策树、随机森林和支持向量机的房价预测模型。通过K折交叉验证和GridSearch对各模型的参数进行寻优操作,从而得到各类模型的最优状态,以期为房价精准预测提供新参考,并为政府的宏观调控提供新思路。结果表明,从拟合度（R2）来看,最优参数组合（测试集）中K近邻法>随机森林>支持向量机>决策树。但依据理论,随机森林应是这4类模型中的最优模型。     

决策树在寿险企业客户流失分析中的应用

保险业拥有众多有关客户的数据,正确地挖掘与分析隐含在这些数据中的知识,找出客户行为模式,可以有效地留住客户,向客户提供更好的保险产品与服务,从而在竞争中获胜。本文运用决策树的分析方法,结合某保险公司客户的实际数据,从理论和实证两个角度研究了客户流失分析,证明了决策树技术在寿险客户流失分析中的可行性。     

数据挖掘技术与应用问题研究

数据仓库是信息领域中近年来快速发展起来的一种技术,指出了分析数据仓库内容有2种基本的方法:联机分析处理和数据挖掘;讨论了联机分析处理的体系结构,提出了数据挖掘中一些常用的方法:决策树、关联及数据统计分析、神经网络和最近邻方法;介绍了数据挖掘的应用.