金融數(shù)據(jù)挖掘ppt課件-閱讀頁
2025-05-22 04:20本頁面
【正文】 練習(xí)：交換 sj1與 sj2的地位，建立預(yù)測規(guī)則，并進行預(yù)測準確率檢驗。 Logistic回歸預(yù)測 ①、 統(tǒng)計學(xué)原理 計量經(jīng)濟學(xué)中，回歸模型具有預(yù)測功能，但現(xiàn)在的數(shù)據(jù)結(jié)構(gòu)為： ，因變量為離散變量（虛擬變量），一般的線性回歸模型不適用。 ②、 Logistic回歸的 SAS程序 proc logistic descending data=； model y = x1x6。 ③ 、 SAS結(jié)果 ④、 臨界值確定與預(yù)測規(guī)則 臨界值 :,預(yù)測規(guī)則 : P＞ ,一年后上市公司將陷入財務(wù)困境 。 ⑦ 、 逐步回歸方法與預(yù)測變量選取 預(yù)測變量選取是建立分類預(yù)測模型的關(guān)鍵步驟。 利用逐步回歸方法，可以在這個范圍內(nèi)挑選出較佳的構(gòu)建 Logistic回歸模型的預(yù)測變量組。 ⑧ 、 逐步回歸的 SAS程序 proc logistic descending data=。 run。P＜ ,一年后上市公司不會陷入財務(wù)困境。 非 ST公司： 864/1008 = %. Probir回歸預(yù)測 數(shù)據(jù)結(jié)構(gòu)為： ，因變量為離散變量（虛擬變量），一般的線性回歸模型不適用 。 Probit回歸的 SAS程序 proc probit data=。(注意 Logistic程序中沒有這一項 ) model y=x1x6。 ),( 262221 tttt yxxx ??? ?)()|1( 661100 xxxyPP ??? ??????? ? 經(jīng)計算得到 : 預(yù)測規(guī)則 : P，或者就不會陷入財務(wù)困境。 ①、 熵與信息增量的概念 熵為一個統(tǒng)計學(xué)概念，設(shè) y為一個狀態(tài)隨機變量，其熵的定義為： 在統(tǒng)計學(xué)中，熵是不確定性的度量，一個分類隨機變量的熵越小，其不確定性就越小，對其的預(yù)測就越準確。 ??????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，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x的信息增量定義為： 其中， 分別表示兩組樣本所占的比重。 對每個指標，我們都可以計算其信息增量，這樣我們就知道哪個指標對分類預(yù)測的信息含量最大。 然后沿著決策樹的樹系結(jié)構(gòu) ， 我們就可以寫出決策樹方法的預(yù)測規(guī)則 。 ④ 、 如何利用數(shù)據(jù)挖掘軟件建立決策數(shù)預(yù)測模型 * 建立發(fā)掘數(shù)據(jù)庫 將 SAS數(shù)據(jù)庫轉(zhuǎn)化為 Excel數(shù)據(jù)庫； 對 Excel數(shù)據(jù)庫的格式進行變化（格式 /單元格 /數(shù)值），并 將 Excel數(shù)據(jù)庫文件另存為帶格式文本文件； 將其拷貝入數(shù)據(jù)挖掘子目錄 home下； 創(chuàng)建發(fā)掘數(shù)據(jù)庫； *建立決策樹模型 打開發(fā)掘數(shù)據(jù)庫； 建立決策樹模型，對模型的預(yù)測準確性檢驗檢驗； 寫出預(yù)測規(guī)則。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1