基于卷积特征提取的XGBoost营收预测模型

• 作者: 刘志伟 劳南新
• 来源期刊: 网络安全技术与应用
• 关键词: 营收预测 时间序列 高维特征 卷积神经网络 XGBoost
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 安全模型、算法与编程
• 页码范围: 43-47
• 页数: 5页
• 字数: 6634字
• 语种: 中文

摘要

为公司营业收入进行有效的预测,对公司营业收入管理有着重要的参考意义.传统统计学方法存在"抗噪能力"差、在高维特征数据上容易过拟合的问题,同时,在样本量相对较少的条件下,相对复杂的金融时间序列问题并不适合简单地使用神经网络模型进行任务建模.针对上述问题,本文提出在模型复杂度相对可控,并且"抗噪能力"较强的XGBoost模型的基础上,结合卷积神经网络对数据集特征做深度特征挖掘进行营收预测任务建模工作.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘志伟	广东工业大学计算机学院	4	8	2.0	2.0
2	劳南新	广东工业大学计算机学院	1	0	0.0	0.0