从“选择困难症”说起:如何让决策树替你做选择?
这个决策树的例子展示了在量化交易中如何结合各项指标做出投资决策,每个节点的决策依据都可以通过历史数据进行验证和优化,以确保模型的有效性。当然,这只是一个简单的示例。在实际操作中,机器处理的数据和构建的模型要复杂得多。最后,学以致用,让决策树帮助小岩做一个选择吧~...
云顶财说 | 吴育辉、刘忻忻、陈韫妍:债券违约预警模型的优化与...
而经过GWO算法优化后,基于财务特征的XGBoost模型在Accuracy、UAR和AUC值这三个指标上都有明显的提高;经过GWO算法优化后,基于全部特征的XGBoost模型在四个指标上的表现较默认模型均有所提升。通过观察基于财务特征的GWO-XGBoost模型与XGBoost模型的预测值混淆矩阵(表4)可以发现,由于GWO算法以准确率为优化目标,且数据的不...
OCCCM 2024 | 李响教授:增强AI模型在重症医学中的应用与进展
特征提取:创建新的特征,这些特征是从原始特征中通过变换或组合得到的,目的是保留最重要的信息,删除不相关或冗余的信息。特征构造:基于领域知识和数据的特点,构造新的特征,以提供模型训练时未包含的信息。特征重要性评估:评估各个特征对于模型预测的贡献度,以便于理解模型决策过程,并可能据此调整特征集合。五、挑战...
基于XGBoost 特征选择方法在业务中的应用
1)目标变量:退货率;2)自变量:会员等级、手机品牌、收件AOI区域、托寄物、性别、年龄、城市等等(由于类别存在中文分类,故采取独热编码进行转化)。在完成样本预处理后,我们构建XGBoost特征重要度模型(采用网格搜索寻找模型最佳参数),核心代码如下:通过模型,我们完成特征重要度输出,具体效果如下:根据模型结...
转债评级拆解、分析和预测——转债信用分析专题
采用xgboost的方法,结合多棵决策树做提升,从效果上来看,较单一决策树有明显效果上的提高。从特征重要性上来做分析,2024年营收/总资产、剩余期限因子具有明显更高的特征重要性;2023年剩余期限、长期债务/营运资金特征重要性更高;2022年营收/总资产,净利润同比增长率和经营性现金流同比增长率特征重要性更高。从效果上...
FVCOM水环境、污染物迁移、水交换、水质、潮流、温盐、波浪及泥沙...
2、FVCOM模型可解决问题介绍3、FVCOM运行所需全部参数详解4、案例讲解:某海域FVCOM三维水动力数值模拟参数设置5、FVCOM运行时可视化变量检查6、实操练习:使用FVCOM进行某海域三维水动力数值模拟第五章、FVCOM三维水动力计算结果可视化及率定方法1、FVCOM水动力计算结果文件查看及全部变量详解...
消费者行为洞察:制定个性化营销策略的关键
1、明确构建目的在建立客户画像之前,首先需要明确构建的目的。这包括了解目标用户群体的基本特征、消费习惯、行为偏好等,以便为企业制定营销策略、产品设计和市场定位提供数据支持。2、收集多维度的数据客户画像的建立依赖于全面而准确的数据收集。这些数据通常包括:...
CTA拥抱机器学习-预测式信号初探
下图为某一离散特征变量的WOE示意图:特征评估针对这分类预测类问题,我们采用了IV值(informationvalue)作为特征的评估值,IV值计算公式如下:2.3拟合工程当前,我们采用决策树模型对各个特征进行拟合,决策树模型示意图如下所示:三预测式信号表现3.1测试参数...
人工智能领域最重要的50个专业术语(中英文对照)
-参数是在机器学习过程中学习到的模型内部变量,如权重和偏差。31.特征工程FeatureEngineering-特征工程是选择、修改和创建从原始数据中提取的特征的过程,以改善模型的性能。32.过拟合Overfitting-过拟合发生在模型在训练数据上学得太好,以至于失去了泛化到未见数据的能力。
晶圆表面缺陷检测方法综述【下】
PiaoM等提出了一种基于决策树的晶圆缺陷模式识别方法。利用Radon变换提取缺陷模式特征,采用相关性分析法测度特征之间的相关性,将缺陷特征划分为特征子集,每个特征子集根据C4.5机制构建决策树。对决策树置信度求和,并选择总体置信度最高的类别。决策树在特定类别的晶圆缺陷检测中表现出更好的性能,但投影的最大值、最...