灰色神经网络的预测算法_财政收入影响因素分析及预测模型（四）

本文为泰迪学院最新推出的数据挖掘实战专栏第三篇，本专栏将数据挖掘理论与项目案例实践相结合，可以让大家获得真实的数据挖掘学习与实践环境，更快、更好的学习数据挖掘知识与积累职业经验。      专栏中每四篇文章为一个完整的数据挖掘案例。案例介绍顺序为：先由数据案例背景提出挖掘目标，再阐述分析方法与过程，最后完成模型构建，在介绍建模过程中同时穿插操作训练，把相关的知识点嵌入相应的操作过程中。       为方便读者轻松地获取一个真实的实验环境，本专栏使用大家熟知的Python语言对样本数据进行处理以进行挖掘建模。      下面进入最终篇，上机实验及拓展思考～ 实验目的 (1) 掌握Lasso回归特征选择。 (2) 构建灰色预测与神经网络预测模型。 实验内容 (1) 对搜集的某市地方财政收入以及各类别收入数据，分析识别影响地方财政收入的关键属性，数据详见：test/data/data.csv。 (2) 预测筛选出的关键影响因素的2014年、2015年的预测值。 (3) 使用关键影响因素的2014年、2015年的预测值得到某市地方财政收入2014年、2015年的预测值。

实验方法与步骤

(1) 将“data.csv”数据使用pandas库中的read_csv函数读入当前工作空间。