作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文主要运用数据挖掘所学的各种模型对德国信贷评价数据集做了具体的分析,首先通过分析数据各变量之间的关系,运用R软件,然后用主成分分析,回归分析,BP神经网络,支持向量机对数据进行预测,最后比较不同预测模型的准确性,通过几种模型的对比可看出各种模型预测的好坏。
推荐文章
SARIMA模型的建模及其信贷预测分析
SARIMA模型
随机时间序列
银行信贷总量
预测
SARIMA模型的建模及其信贷预测分析
SARIMA模型
随机时间序列
银行信贷总量
预测
基于数据包络分析的统计预测模型有效性评价
预测模型
效率
评价
数据包络分析
腾发
径向基函数网络
农户小额信贷需求影响因素实证分析
农户
小额信贷需求
影响因素
因子分析
多元回归分析
政策建议
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于不同模型对德国信贷评价的预测分析
来源期刊 财经界 学科
关键词 主成分分析 回归分析 BP神经网络 支持向量机
年,卷(期) 2016,(11) 所属期刊栏目 投资理财
研究方向 页码范围 96-97
页数 2页 分类号
字数 986字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 万媛媛 中山大学新华学院 8 10 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (12)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(3)
  • 参考文献(2)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
主成分分析
回归分析
BP神经网络
支持向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
财经界
旬刊
1009-2781
11-4098/F
大16开
北京市
82-569
1983
chi
出版文献量(篇)
58791
总下载数(次)
110
论文1v1指导