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。     

在教学质量评估系统中数据挖掘算法分析

为提高教学质量,许多高校已经建立了教学质量评估系统,如何将数据挖掘技术应用其中,从大量数据中提取出隐藏在数据之中的有用的信息,已成为高校发展研究的重要课题。从基本概念、算法的分析、提取规则等方面,对关联规则和决策树算法这两个数据挖掘工具进行了探讨,阐述了这两个数据挖掘工具的优点,并对关联规则挖掘算法中的Apriori算法和决策树算法进行了详细分析。     

有效预警上市公司违规的递延所得税异动指标和人工智能模型

2000-2017年,3434家A股上市公司样本中的47.79%至少有一次违规记录,每年平均有17%的公司违规,而监管机构平均需要2.7年查证并通告违规行为。我们用当年数据构建递延所得税异动指标,可有效预判违规,并发现监管机构未能识别这一指标的警示作用,实际激励了违规公司通过操纵递延所得税提高财务指标以规避稽查。进一步构建决策树模型,对违规事件实现样本外精准判别。本文揭示了A股公司大面积违规而稽查过程冗长迟缓这一重要现象,并分析了违规机制,指出了所得税数据在稽查违规中可以发挥的预警作用,为监管者和投资者提供有效预警上市公司违规行为的新指标和方法。     

基于构造超平面的两阶段决策树算法的研究

如何在测试节点里构造一个恰当的分割超平面是构造决策树的关键,与单变量决策树不同,多变量(倾斜)决策树可以找到与特征轴不垂直的超平面。本文将从几何学角度说明构造测试节点的过程,提出了一种两阶段决策树的算法。     

基于决策树的图像数据分类

数据挖掘,即利用大量的、不完整的、随机的实际应用数据,提取潜在其中的有用信息,解决相关问题。针对图像特征数据,利用提取的图像特征向量的基础上,基于决策树对图像数据进行分类处理,并对生成的决策树进行优化和剪枝处理。     

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。     

老年人生活状况和社会保障制度的分析

我国目前老龄化问题比较严重．且存在“未富先老”现象。所以对当前老年人的生活状况及其生活质量进行分析并研究相应的应对措施很有必要。本文应用决策树方法对21个省份老年人的相关指标进行了分析，并给出了社会保障制度方面的相关建议。     

基于数据挖掘技术的商品陈列研究——以安徽某市超市饮料销售为例

商品陈列的科学性的研究,借助于数据挖掘的技术从海量的销售数据中提取隐含在其中的、事先未知的、但又是潜在有用的信息。本文综述了各种常用的数据挖掘算法和评价标准。     

模糊数据挖掘算法在供应链合作伙伴选择中的应用

建立战略性合作伙伴关系是供应链战略管理的重点,也是供应链管理的核心。供应链管理的关键就在于供应链各节点企业之间的联接和合作,以及相互之间在设计、生产、竞争战略等方面良好的协调。本文利用一种模糊数据挖掘方法,在建立合作伙伴有关因素的指标数据基础上,挖掘出供应链核心企业决策者用来构建合作关系的备选方案,从而提高了决策的准确性和全面性。     

基于数据挖掘技术的信用卡客户的信用评价

本文以对商业银行信用卡历史客户数据为研究对象,介绍了数据挖掘方法中决策树C4.5算法和关联规则Apriori算法的应用,并通过weka软件进行实证分析,从而为银行信用卡客户信用程度评定提供了决策支持。