基于感知机算法的心脏病预测问题

近年来,随着科技的发展和时代的进步,人们的生活水平在不断的提高,而人们日常不规律的生活方式和习惯对身体造成的影响却逐渐显现,其中,最为突出的就是心血管类疾病,该病发病率和死亡率都在逐渐增高。由于医疗过程的复杂性,仅通过人工的提取、整合及诊断是否得心脏病,不仅过程繁琐复杂,而且准确率和效率方面都不能达到很好的效果。为了解决此类问题,讨论是否可以通过计算机来辅助进行心脏病的预测工作,于是这里利用了机器学习的感知机算法来完成,通过分析受测人心血管病相关特征,利用感知机模型分析实现对该疾病是否发生来最终完成辅助诊断,此研究能够给人工诊断提供更高效更便捷的辅助预测,使其预测成功概率提高,增强患者存活率。     

国家公园生态资源资产定价研究——基于机器学习评估偏远5A级景区宗地地价

传统测算方法难以精准定价偏远5A级景区土地生态资源价值，如何评估其生态资源资产是推动偏远国家公园可持续发展亟需科学解决的问题。本文利用河南省焦作市修武县308个土地招牌挂样点训练机器学习测算模型，设置学习率为0.001，经过1721轮训练，均方差稳定在35.91。利用机器学习和现行方法分别对29#地价值测算，结果表明：机器学习与成交价之间方差为1.96，现行方法与成交价之间方差为14.44，方差提高12.48，机器学习测算结果与成交价仅相差1.4元/平方米，机器学习测算结果更加理想。相较传统生态资源资产定价方法，机器学习评估方法的研究对我国公园生态资源资产定价体系建设具有一定的现实意义。     

机器学习模型输入指标选择方法研究——以上市公司财报舞弊判别为例

上市公司披露的财务信息对财务报告使用者决策有重大影响。随着上市公司的舞弊手段越发多样化和隐蔽化，传统的分析手段较难发现舞弊行为。机器学习模型不同于传统的分析模型，因其能够有效判别上市公司的舞弊行为而被越来越多的研究所关注，若能有效应用于实务，则对辅助财务报告使用者决策大有助益。机器学习模型判别效果高度依赖于输入指标的质量，文章针对现有相关研究存在的不足，提出改进机器学习模型输入指标选择的方法，即提升初始输入指标数量、最大化正负样本的特征差异和利用实证模型对初始指标进行筛选等。实证研究结果表明，Logistics回归分析模型可以用于敏感指标筛选，敏感指标筛选有助于机器学习模型分类识别准确率的提升，同时研究还发现随机森林机器学习模型在初始指标集就有较好的判别效率。     

机器学习在市场营销领域的应用探索

随着网络购物、移动支付、社交电商的发展，市场营销过程中产生的数据特征和数据结构出现了翻天覆地的变化，大数据时代已经到来，机器学习也成为更有效的大数据处理方法。机器学习可以帮助构建消费者画像，预测消费者行为，收集消费者评价。然而机器学习应用于市场营销过程中也存在数据质量不高，计算方法选择不当，违反法律和道德的风险等问题。因此企业市场营销实践中需要对机器学习积极探索、谨慎处理。     

浅析AI(人工智能)对会计岗位的影响

AI(人工智能)已经开始影响到我们的日常生活,我们正在见证的这一技术变革,正在改变着会计岗位、会计与企业之间的关系。这种变化的关系将有利于会计师和企业,预示着新的工作方式,以及我们为了企业和更广泛经济的利益而将服务和知识作为企业发展和战略核心的方式。毫无疑问,我们正在走上只有一个前进方向的旅程。先进的会计软件和会计系统将改变我们的角色,因为人工智能、智能机器学习和越来越多的自动化任务将接管传统会计角色,例如记账和数据输入。     

区域性自由贸易协定对双边贸易流量影响的量化研究——基于机器学习方法的分析

区域性贸易深度一体化是当前世界经济贸易发展的主要趋势,区域性自由贸易协定(FTA)的签订与重订是这一趋势的重要表现形式.为量化区域贸易协定对双边贸易流量的影响,区别于普遍用于外贸领域的引力模型,本文分别采用机器学习领域中的树模型XGBOOST与线性模型Ridge,选择FTA深度指标作为衡量FTA异质性的核心变量,添加协...     

支持向量机在数据挖掘中的应用研究

支持向量机(Support Vector Machine,SVM)是数据挖掘和机器学习中的一个很有效的工具。结合支持向量机在数据挖掘和机器学习中的应用,介绍了支持向量机的基本原理,发展方向及其研究热点。     

投资者异质信念与股票流动性研究—基于股票网络社区数据挖掘的证据

本文从投资者异质信念角度出发,先基于Lucas纯交换经济系统构建数量模型研究两期交易过程中投资者异质信念与股票流动性的内在关系。然后基于上证50成分股2015年1月-2019年9月的日度数据验证上述关系。利用python爬取东方财富股吧相应个股的帖子,并构建机器学习模型对其进行情感极性分析,构建投资者异质信念的直接衡量指标。通过个股日度行情数据度量流动性。最后通过双向固定效应模型深入分析了投资者异质信念与股票流动性的影响效应。研究结果表明投资者异质信念与股票非流动性显著正相关,即与股票流动性水平呈现显著的负相关。意味着投资者异质信念程度越大,股票流动性水平将下降。     

要靠集体力量把事情做成 也要包容别人缺点

商汤科技联合创始人王晓刚,现任商汤移动智能事业群总裁、研究院院长。他毕业于中国科技大学少年班,并取得麻省理工学院人工智能实验室计算机博士学位。他的研究领域包括计算机视觉和机器学习,曾在顶级的国际期刊和会议发表超过200篇论文,Google Scholar上的引用率超过17000次。《商业周刊/中文版》访问王晓刚,请他从科学研究角度聊了聊人工智能的发展变化。     

我国数据要素资产化价值评估研究——基于机器学习的探索性分析

数据蕴含的巨大经济价值不断凸显，成为数字经济发展的必要生产要素。对数据要素资产化的价值进行研究，构建可靠的数据资产价值评估模型，有助于促进数据资产交易流通、建立健全数据要素市场体系。以优易数据网的第一手数据为数据源，探究影响数据资产价值的主要影响因素。在此基础上，基于机器学习构建数据资产价值评估模型，并对样本数据进行实证分析。结果发现：数据容量、数据规模、数据质量、新鲜度和所属行业对数据资产价值起决定性作用。不同行业间的数据资产存在明显的“价值鸿沟”，表现在高附加值行业的数据资产相较于其他行业具有更高的价值。进一步研究发现：基于机器学习构建的模型评估效果远远优于多元线性回归模型，其中，随机森林模型更适用于数据资产价值评估。未来，需要促进数据容量的扩展和数据质量的提升、加强数据资产评估和管理的技术支持以及建立和完善数据资产交易市场运行体制。     

美国威斯康辛州女性乳腺癌肿瘤预测探讨

在机器学习和人工智能领域,有两类常见的问题,一类是回归问题;另一类是分类问题,分类问题是机器学习中一类重要的问题。对于机器学习中的分类问题而言,有很多常见的分类模型,比如kNN模型,支持向量机模型,Logistic模型。每一个模型在一个具体的问题中都有不同的性能,因此,我们的研究通过具体的实例"威斯康辛州女性乳腺癌肿瘤预测",预测女性所患有的肿瘤是良性肿瘤还是恶性肿瘤。通过对该二分类问题的研究,并分析比较了不同的机器学习分类模型在该问题的效果。     

商业领域三大趋势跨界增长

当我们思考可能在2015年驱动企业发展的关键因素时,我们认为,物联网、网络安全和机器学习三大领域的技术进步,将给企业带来更快速的增长和更好的灵活性。在我的工作中,我有幸与很多公共事业部门和私营企业合作,帮助他们利用云计算实现转型、加快反应速度,并获得了显著的业务成果。如今,来自世界各地、不同行业的众多企业—包括80%的"财富500强"企业—都在利用微软云技术来提高竞争     

人工智能背景下的消费研究

人工智能发端于20世纪50年代,经历了几次繁荣与低谷,随着其产业发展的三要素一超规模的计算能力、大数据、机器学习尤其是深度学习算法取得的进展,人工智能得到了快速发展与应用,因此形成的人工智能浪潮冲击、调适甚至颠覆和重塑了人类社会经济社会发展的观念、架构与演进。在当前的技术语境下,人工智能在计算机领域内的应用较为充分,同时也在机器人、经济政治决策、控制系统和仿真系统中得到广泛应用。     

随机森林模型在客户流失预测中的缺陷

本文基于某酒店平台的脱敏用户大数据,利用Python编程对源数据进行挖掘和分析,发现在常用机器学习算法中总体准确率最高(88.3%)的随机森林模型(Random Forest, RF),在特征群体中的预测效果存在缺陷,即在测试集中实际流失率为极值与中间值(0%、50%、100%)的流失群体预测性能较好,平均误差率在1%以下;而在其余流失群体(10%~40%以及60%~90%)中预测效果较差,平均误差率高达12.5%以上。通过进一步计算发现,总体预测率稍差的支持向量机(Support Vector Machine, SVM)学习模型在某些细分群体中反而具有更高的预测性能,平均误差率在7%以下。综合两类学习模型在不同群体中的优势,可进一步将总体预测的准确率提高至92.3%。该研究结果对于酒店行业具有非常重要的启发意义。相关企业在构建客户流失预警模型时应根据不同的用户群体使用不同的机器学习方法来提高预测的性能;或结合多种方法构建混合预测模型从而更好地理解消费者行为,进行客户关系管理。     

基于数据挖掘技术的红酒评分预测模型的设计与分析

随着现代社会的快速发展,红酒行业已慢慢走向全球化与大众化,更多的红酒品牌和品种也逐渐被世人所知。然而,红酒品质也分三六九等,如何判断一款红酒是优是劣?利用SPSS,Excel等软件,使用回归、决策树、聚类等经典机器学习算法,对红酒的价格、评分、产地等因素进行统计与分析。最终得出红酒的原产国,省份以及品种基本可以决定红酒的优劣。     

浅谈计算机的日常维护与保养

计算机已经成为我们生活、学习、工作中不可缺少的一部分,随着在家庭、学校、企业中的广泛应用,它越来越被重视.但是要保障工作、学习、娱乐等活动的顺利开展,需要计算机正常稳定的运行.本人通过自身工作,谈谈计算机的日常维护与保养.     

基于机器学习对公司未来ROE预测的研究

ＲＯＥ作为评价公司盈利能力的重要指标,可衡量公司对股东投入资本的利用效率。它弥补了每股税后利润指标的不足,因此,每一次的ＲＯＥ都是影响上市公司的股价、未来业绩以及投资者期望进而营销的其投资者的投资决策。本文根据杜邦分析法中的若干因素,结合其他分析因子,运用Ｒ软件,通过机器学习,构建模型,有效弥补了简单的多元回归拟合不精确的情况,为预测公司ＲＯＥ提供了一个新的方法,也为投资人进行投资决策提供了一个重要依据。     

智慧商业时代下餐饮旺铺选址策略研究

餐饮选址是一项长期性投资，具有固定性和长期性，选址好的餐饮企业可以长期受益。本文主要从以下三个角度研究餐饮店铺选址策略：首先，把餐饮消费者按不同职业进行划分，分析调研消费者对餐饮网点在不同维度上的选择倾向；其次，研究国内外的选址策略，构建选址影响因素层次结构模型；最后，以上海中心城区餐饮网点为主要研究对象，通过机器学习中的SVM和KNN算法对数据集进行分析，用多轮交叉验证方法对模型进行评估，发现区域餐厅数量、餐厅消费均价和消费者活动半径，是对选址影响较大的因素。SVM和KNN两种模型有各自的适用场景，如果关注的指标是精准率，即希望选址更具有效率性，此时更适用SVM模型；如果关注的指标是召回率，即希望选址更具有全面性，则更适用KNN模型。     

金融科技助力商业银行防范不良贷款风险研究

金融科技创新发展为金融机构风险管理提供技术支持。本文基于机器学习算法整理的金融科技创新专利数据,从宏观视角采用PVAR模型研究金融科技对我国商业银行不良贷款风险的影响。研究表明：运用金融科技可以有效降低借贷市场的信息不对称程度,从而降低商业银行不良贷款风险,这种影响在我国东部地区要比中西部地区更加显著。基于此,政府相关部门应积极鼓励和引导金融科技相关产业的发展,商业银行则应主动加强金融科技相关技术的应用,以提升自身风险管理与防范能力。     

计算机网络安全问题及其防范措施

计算机网络技术在居民生活中的普及应用,给我们的生活、工作以及娱乐各个方面都带来了很大的便利,但是我们也要看到计算机的网络安全问题。因此对计算机网络安全的问题以及防范措施都有着十分重要的现实意义。本文就计算机网络安全问题以及防范措施进行鉴于此,文章对计算机网络安全问题及其防范措施进行讨论。