金融數(shù)據(jù)挖掘ppt課件(更新版)
【正文】 ?)(),( 21 yIyI)]()([)()( 2211 yIqyIqyIxga i n ???21,qq0x0x ③ 、 分類預(yù)測方法 —— 決策樹方法 利用信息增量的概念 ， 數(shù)據(jù)挖掘中創(chuàng)造了一種分類預(yù)測的決策樹方法 ， 其基本的思路是反復(fù)地利用信息增量方法進(jìn)行樣本分割 ， 直到不能再分割 、 或者達(dá)到事先的約定為止 。 決策樹的預(yù)測規(guī)則由由一系列的預(yù)測結(jié)論組成 。 預(yù)測準(zhǔn)確率： 訓(xùn)練樣本組 檢驗樣本組 St公司： 46/56= 46/55= 非 St公司 ： 428/504= 419/504= )()|1( 1 . 8 1 1 0654321zxyPPxxxxxxz???????????? 決策樹方法 與前面討論的幾種分類預(yù)測方法相比，決策樹方法是一種近年來才出現(xiàn)的分類預(yù)測方法，其基本原理如下。 預(yù)測準(zhǔn)確率 ST公司： 92/111 = %。經(jīng)常的情況是，知道預(yù)測變量的大致范圍，但不知哪些變量具有較大的信息含量。或建立其他問題的判別分析預(yù)測模型。 class y。 m=int(_n_/2)。 第二章：分類與預(yù)測 一、分類與預(yù)測的概念 分類 已知離散的、有限的幾個類，判斷或預(yù)測樣本屬于那個類。 1990年代末，在對 100名美國著名科學(xué)家的問卷調(diào)查中，數(shù)據(jù)挖掘被列為 21世紀(jì)對人類發(fā)展影響最大、最有前途的 10大技術(shù)的第三位。 ⑥ 、 隨機(jī)抽樣構(gòu)造訓(xùn)練樣本組、檢驗樣本組的 SAS方法： * 將 EXCEL數(shù)據(jù)庫轉(zhuǎn)為 SAS數(shù)據(jù)庫； * SAS隨機(jī)數(shù)函數(shù) —— uniform（ seed）， 隨機(jī)種子數(shù)seed取奇數(shù)，產(chǎn)生 [0， 1]區(qū)間上的一個隨機(jī)數(shù) * 隨機(jī)建立訓(xùn)練樣本組、檢驗樣本組的 SAS程序 data a； set 。預(yù)測上市公司是否會陷入財務(wù)困境，就是判斷這個公司所對應(yīng)的樣本屬于哪個總體?，F(xiàn)在可以得到線行判別函數(shù)為： ④ 、 如何建立預(yù)測規(guī)則 * 指標(biāo)的判斷：正指標(biāo)還是負(fù)指標(biāo)（正指標(biāo)）。 ②、 Logistic回歸的 SAS程序 proc logistic descending data=； model y = x1x6。 ⑧ 、 逐步回歸的 SAS程序 proc logistic descending data=。 Probit回歸的 SAS程序 proc probit data=。 ??????ii ppyIppppyIl o g)(l o gl o g)( 2211② 、 信息增量的概念 設(shè) x為某個指標(biāo)，選取一個 ，按照條件 是否滿足，可以將樣本分為兩組，分別計算各組中 y的熵 ，指標(biāo)x的信息增量定義為： 其中， 分別表示兩組樣本所占的比重。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1