【技术实现步骤摘要】
本专利技术涉及基于改进的stacking融合算法的企业资金需求挖掘方法和介质，属于机器学习。
技术介绍
1、stacking是一种模型融合算法，基本思路是通过一个模型融合若干单模型的预测结果，目的是降低单模型的泛化误差，一种有效的集成方法，其中使用各种机器学习算法生成的预测被用作第二层学习算法的输入。该第二层算法经过训练，可以优化组合模型预测以形成一组新的预测。当前的企业资金需求缺少一种可靠的、准确的挖掘方式，而stacking算法的融合作用可以很好的解决预测准确度的问题。
技术实现思路
1、本专利技术目的是提供了基于改进的stacking融合算法的企业资金需求挖掘方法和介质，通过机器学习通过对历史企业资金需求的情况学习训练，挖掘当前企业的资金需求情况。
2、本专利技术为实现上述目的，通过以下技术方案实现：
3、步骤1：获取待挖掘企业的基本信息，包括企业工商信息、招聘信息、司法风险情况、新闻舆情、和政府采购信息和项目明细信息，并进行预处理构建特征数据集，并将特征数据...
【技术保护点】
1.一种基于改进的Stacking融合算法的企业资金需求挖掘方法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的基于改进的Stacking融合算法的企业资金需求挖掘方法，其特征在于，所述网格搜索调优进行单模型训练的具体方式如下：
3.根据权利要求1所述的基于改进的Stacking融合算法的企业资金需求挖掘方法，其特征在于，所述贝叶斯优化器采用TPE算法作为概率代理模型，EI作为采集函数。
4.根据权利要求3所述的基于改进的Stacking融合算法的企业资金需求挖掘方法，其特征在于，所述通过贝叶斯优化器进行单模型训练具体方式
...
【技术特征摘要】
1.一种基于改进的stacking融合算法的企业资金需求挖掘方法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的基于改进的stacking融合算法的企业资金需求挖掘方法，其特征在于，所述网格搜索调优进行单模型训练的具体方式如下：
3.根据权利要求1所述的基于改进的stacking融合算法的企业资金需求挖掘方法，其特征在于，所述贝叶斯优化器采用tpe算法作为概率代理模型，ei作为采集函数。
4.根据权利要求3所述的基于改进的stacking融合算法的企业资金需求挖掘方法，其特征在于，所述通过贝叶斯优化器进行单模型训练具体方式如下：
5.根据权利要求4所述的基于改进的stacking融合算法的企业资金需求挖掘方法，其特征在于，所述tpe算法公式具体如下：
6.根据权利...
【专利技术属性】
技术研发人员：姜树明，贾其辉，刘向阳，韩露，张艳青，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。