基于目标驱动特征选择的企业财务困境预测方法和系统技术方案

本发明专利技术提供一种基于目标驱动特征选择的企业财务困境预测方法、系统、存储介质和电子设备，涉及集成学习领域。本发明专利技术面向企业财务困境预测，提出一种基于有监督特征选择的集成预测模型，并将集成预测模型的构建过程建模成了一个组合优化模型，旨在从特征选择视角同时最大化模型的集成预测性能与基模型的个体预测性能。相较于传统模型，所提模型不仅能够为每个基模型选出一组最优特征子集，也提供了一种新型组合机制，能够最大化特征选择在提升模型整体性能方面的表现。另外，所提模型在设置具体的优化目标时增加了对基模型在避免将困境企业识别为健康企业方面的关注，并且还允许通过不断增加基模型的数目来持续优化模型的集成预测性能。

【技术实现步骤摘要】

本专利技术涉及集成学习领域，具体涉及一种基于目标驱动特征选择的企业财务困境预测方法、系统、存储介质和电子设备。

技术介绍

1、集成学习是一种通过构建并结合多个学习器来完成学习任务的方法，其核心思想是将多个弱学习器(weak learners)组合成一个强学习器(strong learner)，从而提升整体模型的泛化能力和预测准确率。目前，集成学习技术已经广泛应用于财务困境预测领域，它通过整合多个预测模型的优点为财务决策提供了许多有价值的参考信息。

2、值得注意的是，集成预测模型的性能主要取决于所选用基模型的多样性和质量，而将特征选择和集成学习进行结合往往能够得到更优质的预测模型。一方面，特征选择可以剔除无关或冗余的特征，从而减少模型训练过程中的噪声和干扰；另一方面在构建基模型时，如果能够使用不同的特征子集来训练不同的基模型，必然能增加基模型间的多样性，提高集成预测模型的预测效果和泛化能力。为此，现有研究构建了许多基于特征选择的企业财务困境集成预测模型。

3、尽管许多研究已经证实将特征选择引入到集成学习模型的构建过程中，能够极大地提高本文档来自技高网...

【技术保护点】

1.一种基于目标驱动特征选择的企业财务困境预测方法，其特征在于，包括：

2.如权利要求1所述的企业财务困境预测方法，其特征在于，所述组合优化模型表示为：

3.如权利要求1所述的企业财务困境预测方法，其特征在于，所述基于所述训练集，利用预设的学习算法构建基准模型，以初始化集成预测模型的首个基模型；包括:

4.如权利要求2所述的企业财务困境预测方法，其特征在于，所述基于所述首个基模型，利用基于遗传算法的特征选择方法迭代求解所述组合优化模型，依次搜索用于训练其他的基模型相应的最优特征子集，以获取由多个基模型组成的集成预测模型；包括：>

5.如权利要...

【技术特征摘要】

1.一种基于目标驱动特征选择的企业财务困境预测方法，其特征在于，包括：

2.如权利要求1所述的企业财务困境预测方法，其特征在于，所述组合优化模型表示为：

3.如权利要求1所述的企业财务困境预测方法，其特征在于，所述基于所述训练集，利用预设的学习算法构建基准模型，以初始化集成预测模型的首个基模型；包括:

4.如权利要求2所述的企业财务困境预测方法，其特征在于，所述基于所述首个基模型，利用基于遗传算法的特征选择方法迭代求解所述组合优化模型，依次搜索用于训练其他的基模型相应的最优特征子集，以获取由多个基模型组成的集成预测模型；包括：

5.如权利...

【专利技术属性】
技术研发人员：徐车，严雨萌，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：