浙江农商数字科技申请基于斜决策树的规则挖掘专利,增强对高频特征...

专利摘要显示,本发明提出了一种基于斜决策树的规则挖掘方法和系统,其中,方法包括:获取原始客户数据,对所述原始客户数据进行预处理,构建训练数据集,从训练数据集的数据中提取特征;基于提取的特征和特征交互项构建斜决策树,对所述斜决策树的节点进行分割生成斜决策树模型;根据斜决策树模型生成规则,从生成的规则中筛选可...

数据挖掘的方法、工具及在各行业的应用案例

决策树：这种方法结构化且易于解释，通过树状图展示决策路径。它适用于复杂的决策场景，如贷款审批或市场营销策略的选择。神经网络：作为一种模拟人脑工作的技术，神经网络可以处理复杂的非线性问题，尤其在图像识别、语音处理等领域发挥了重要作用。数据挖掘的工具选择适合的数据挖掘工具对分析结果至关重要。根据不同的...

全球海洋鱼类灭绝风险大幅上升!基于数据挖掘与模型的综合预测

随机森林(RandomForest)模型是一种集成学习算法,通过构建多个决策树并将它们的预测结果进行综合,从而提高分类和回归任务的准确性与稳定性。每棵决策树都基于原始数据集的随机子集,并在特征的随机子集上进行训练,这种方法有效减少了过拟合的风险。最终,随机森林通过对所有决策树的预测结果进行投票(分类任务)或求平均(回...

【专题研究】KD-Ensemble:基于知识蒸馏的alpha因子挖掘模型

2.考虑到因子单元动态加权使用的是决策树模型,相较于神经网络,决策树优点在于泛化能力较强,且适合处理分类数据,但其拟合能力相对神经网络较弱,且只能拟合局部线性函数,对于极度非线性部分的函数关系,神经网络可能更有优势。基于此想法本文采用了知识蒸馏方法来对树模型和神经网络进行集成以捕捉alpha因子与未来收益率局部...

钉钉杯大数据竞赛必须熟练的11种数据挖掘算法

对输入数据的表达形式很敏感。三、逻辑回归LogisticRegression属于判别式模型,有很多正则化模型的方法(L0,L1,L2,etc),而且你不必像在用朴素贝叶斯那样担心你的特征是否相关。与决策树与SVM机相比,你还会得到一个不错的概率解释,你甚至可以轻松地利用新数据来更新模型(使用在线梯度下降算法,onlinegradientdescent...

FSAP|通过深度学习挖掘动物源食品中的降压肽:以蜂王浆胃肠消化...

5.动物源食品ACE-I抑制肽自动化挖掘管道:以RJ胃肠消化产物为例进一步探索RJ胃肠消化产物中的ACE-I抑制肽,使用Python构建1个由蛋白质组学、虚拟酶消化和AHTPeptideFusion3部分组成的自动化流水线(www.e993.com)2024年11月26日。该自动化流水线包含NCBI2proteinID.py,proteome2peptide.py和AHTPeptideFusion.py。结果显示,在虚拟胃肠酶解过程中...

施荣盛:统一框架下的沪深300指数增强

市场中的某些规律可能是线性的,而另一些则是非线性的,单纯依赖线性或非线性方法可能都无法全面捕捉市场的复杂性,结合两者可以更全面地解释和预测市场行为。机器学习模型虽然主要用于捕捉非线性关系,但它们也能够识别并利用数据中的线性模式。比如:决策树模型可以通过多个节点组合出接近线性的分段函数。

大数据和机器学习在验证上市公司财务报表真实性的应用研究

摘要本课题融合了大数据、数据挖掘、特征工程、机器学习等技术,研发一种可解释的财务质量模型,对于上市公司的财报真实度给出验证结果以及财务疑点,并尝试建立财务质量监控平台,服务于多个部门。适用的业务场景包括:财务模型输出的分数可用于上市公司的风控,具体预警线的制定依据整体公司的风险偏好,对于越线的上市公司尤...

人工智能领域最重要的50个专业术语(中英文对照)

-回归是监督学习中的一种方法,用于预测连续数值的输出,如房价预测。20.决策树DecisionTrees-决策树是一个预测模型;它通过一系列问题来预测对象的标签或数值,类似于流程图的结构。21.随机森林RandomForests-随机森林由多个决策树组成,用于提高分类和回归任务的准确率。

朱庆华 宋珊珊|风险视角下生成式人工智能的司法应用路径

根据前面的数据预处理和特征工程,可以使用决策树算法进行法律案件判决的预测,使用关联规则来发现不同法院之间的法律差异等。第四步,使用交叉检验和测试集验证,来检测模型的效果和精度。然后对模型进行优化,例如改变模型某些参数、使用更好的性能算法等。第五步,将已经优化好的模型应用到实际的司法数据中,如在对大量的...