数据挖掘在预测上市公司未来状况中的应用

第一章 绪论	第1-9页
第二章 数据挖掘概念和技术	第9-20页
第一节 数据挖掘方法论	第9-11页
一、统计学和数据挖掘	第9-10页
二、SEMMA 方法论	第10-11页
第二节 数据挖掘模型	第11-16页
一、预测模型的概述	第11页
二、Logistic 回归	第11-12页
三、决策树(Decision Trees)	第12-13页
四、神经网络	第13-16页
第三节 模型的有效性	第16-20页
一、过度拟合及其避免措施	第16-18页
二、配比样本导致的夸大精度	第18-20页
第三章 基于数据挖掘的上市公司未来情况预测	第20-48页
第一节 上市公司未来状况预测的意义和现状	第20-21页
第二节 上市公司盈利增长预测模型	第21-48页
一、研究意义	第21-22页
二、所用的数据(Sample)	第22-24页
三、探索性分析(Explore)	第24-28页
四、数据的调整(Modify)	第28-29页
五、建模(Model)	第29-38页
六、模型的评价(Assess)	第38-41页
七、模型的整合(Ensemble)	第41-43页
八、应用	第43-48页
第四章 总结	第48-49页
致谢	第49-51页
参考文献	第51-53页
附录 神经网络权重表	第53-56页