Machine-Learning-on-Bankruptcy:各种用于破产预测的技术-广义线性回归-Logistic,分类树,广义可加模型,线性判别分析和神经网络。 使用的评估标准是分类错误-源码

上传者: 42122988 | 上传时间: 2021-09-22 18:08:11 | 文件大小: 316KB | 文件类型: ZIP
破产机器学习 破产数据研究的目的是为给定数据确定预测破产的最佳分类方法。 破产数据是从COMPUSTAT收集的1980年至2000年的数据,其中有5436个观察值和13个变量。 9个基于会计的变量和1个市场变量是:R1:WC / TA,营运资金/总资产R2:RE / TA,未分配利润/总资产R3:EBIT / TA,息税前利润/总资产R4:ME / TL,权益/总负债的市场价值R5:S / TA,销售/总资产R6:TL / TA,总负债/总资产R7:CA / CL,流动资产/流动负债R8:NI / TA,净收入/总资产R9:破产成本,对数(销售)R10:市值,对数(绝对(价格)*流通股数/ 1000) 对于本研究,由于没有明显的破产趋势,因此可以假定可以将多年来的数据汇总在一起并进行研究。 在这13个变量中,其中一个是“ DLRSN”-一种表示默认值的分类变量,即预测的因变量。 总体而

文件下载

资源详情

[{"title":"( 3 个子文件 316KB ) Machine-Learning-on-Bankruptcy:各种用于破产预测的技术-广义线性回归-Logistic,分类树,广义可加模型,线性判别分析和神经网络。 使用的评估标准是分类错误-源码","children":[{"title":"Machine-Learning-on-Bankruptcy-master","children":[{"title":"Bankruptcy Data.R <span style='color:#111;'> 6.36KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 3.03KB </span>","children":null,"spread":false},{"title":"bankruptcy.csv <span style='color:#111;'> 787.29KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明