该博客介绍了如何使用Python或R软件进行预测模型的构建，包括随机森林变量筛选及模型建立，支持向量机（SVC）模型的粒子群优化，BP神经网络的参数优化，以及遗传算法在SVC和BP神经网络加权组合模型中的应用。博主寻求有能力者协助完成这些任务，并提供了具体的操作步骤和预期目标。
现诚邀有能力者帮我完成以下操作，本人会考虑对提供帮助这给予补偿
实现方式为Python或R软件
操作一：利用随机森林筛选重要性变量，并建立随机森林模型：
（1）所用到的数据中有57个变量，需要利用随机森林筛选出重要性变量，剔除对预测结果影响较小的冗余变量；
（2）利用步骤（1）中剔除冗余变量的2007-2016年的数据建立随机森林模型，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。并分别将真实结果与预测结果比较，计算出预测精度和误差；
最低0.47元/天 解锁文章
扫一扫
683
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
