方法求助

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

本人想写一篇文章，但在模型方法上遇到一些困难，所以想求助有能力的大神帮我完成以下几个操作，若有能力完成以下操作者提出有偿帮助的要求，本人也可接受。

一、实现方式为Python或R软件
操作一：利用随机森林两阶段逐步回归筛选重要性变量，需要完成以下两个步骤：
1.选用相对重要性评价变量重要性，要求实现步骤如下：
（1）对所有变量计算随机森林重要性得分，按相对重要性得分降序排序
（2）将变量分为N组，每组变量数目相等
（3）保留最后一组变量排序及得分
（4）计算剩余变量随机森林重要性的分，按相对重要性得分降序排列，返回步骤（3），直到这几组变量均计算完成
（5）重复模拟100次，以100次的相对重要性得分均值作为变量重要性的得分，以及重要性排序评判标准
2.利用逐步回归筛选变量，实现步骤如下：
（1）根据改进后变量重要性排序确定的变量重要性得分，对原数据剔除该得分小于0的变量数据
（2）对剔除后的剩余变量再次进行随机森林变量重要性降序排列
（3）选择排序第一的变量，对变量做100次随机森林，计算a=OOB（误分率）
（4）加入排序中的下一个变量，做100次随机森林，计算b=OOB（误分率）
（5）若a<=b,删除加入的变量，转入步骤（4）
（6）否则，将b 赋值给a ,选择变量，重新计算现有变量重要性得分，降序排列
（7）若剔除最后一个变量，做100次随机森林，计算b=OOB
（8）若a<=b,保留该变量，转入步骤（4）
（9）否则剔除该变量，将b 赋值给a，转入步骤（4）
（10）直至遍历所有的变量，OOB最小结束。

操作二：建立支持向量机（SVC）模型，并利用粒子群（PSO）优化模型参数

（1）利用2007-2016年的数据建立SVC模型，预测2017年第一季度、2017年第二季度、2017年第三季度、2017年第四季度和2018年第一季度的借款人违约率，并计算出预测精度和误差；

（2）利用粒子群优化SVC模型的参数；

（3）利用优化后的SVC模型预测2017年第一季度、2017年第二季度、2017年第三季度、2017年第四季度和2018年第一季度的借款人违约率。并计算出预测精度和误差；

操作三：建立BP神经网络模型，并利用粒子群（PSO）优化模型参数

（1）利用2007-2016年第四季度数据建立BP神经网络模型，预测2017年第一季度、2017年第二季度、2017年第三季度、2017年第四季度和2018年第一季度的借款人违约率；并计算出预测精度和误差；

（2）利用粒子群优化BP神经网络模型参数；

（3）利用优化后的SVC模型预测2017年第一季度、2017年第二季度、2017年第三季度、2017年第四季度和2018年第一季度的借款人违约率。并计算出预测精度和误差；

操作四：利用遗传算法全局寻优，建立SVC与BP神经网络的加权组合模型

（1）对2007-2016年第四季度数据，利用遗传算法全局寻优，建立SVC与BP神经网络的加权组合模型，预测2017年第一季度、2017年第二季度、2017年第三季度、2017年第四季度和2018年第一季度的借款人违约率；并计算出预测精度和误差；

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：python 随机森林 降序排列 逐步回归 模型方法

这个我会，邮箱联系：yuanzhoulvpi2016@163.com

您好，如果您的求助没有解决，请到项目交易发布需求，会有更快更专业的用户帮助您 https://bbs.pinggu.org/z_prj.php