原文連結：http://tecdat.cn/?p=2784
最近我們被客戶要求撰寫關於決策樹神經網絡的研究報告，包括一些圖形和統計輸出。
之前在某社區中看到一篇帖子《一張價值幾十萬個跌停的統計表》，主要是預測即將被ST的股票，雖然有些標題黨，但是還有有一些參考價值的
文章中使用了凈利潤指標來對可能成為ST的股票進行排雷，那麼是否有其他指標可以用機器學習的方法對該問題進行建模同時提高預測的準確度呢?
首先我們來了解下問題的背景：
股票市場上，一般把財務狀況或其他狀況出現異常的上市公司的股票交易作特別處理，因此這些公司稱為ST公司。ST公司作為績效水平低下的公司，而非 ST公司為績效水平較好的公司。
那麼有沒有辦法提前知道哪些股票即將被ST嗎？
預測一家公司績效水平的問題可以看作是二分類問題。我們可以建立一個輸出變量，其中「0」代表非ST公司，「1」代表ST公司。
然後我們搜集了上百種和公司績效可能相關的變量作為模型的輸入指標：
為了判斷公司的績效好壞，我們分別使用了分類問題中常用的神經網絡模型和決策樹模型。
1 神經網絡：
l變量重要性
l神經網絡拓普圖
點擊標題查閱往期內容
spss modeler用決策樹神經網絡預測ST的股票
左右滑動查看更多
01
02
03
04
l分類準確度
2 決策樹：
l變量重要性
l決策樹結構圖：
l準確度：
結論
從模型角度來看，神經網絡模型的正確率略低於決策樹模型。因此，對於民營上市公司績效評價研究，決策樹模型要優於神經網絡模型。
同時，從變量重要性來看，基於本年的3季報的總資產增長率，可以大致預測出該股票是否即將被ST。如果今年3季報依然虧損很厲害，那麼年報基本上也是虧損的了。
本文摘選 《 spss modeler用決策樹神經網絡預測ST的股票 》 ，點擊「閱讀原文」獲取全文完整資料。
點擊標題查閱往期內容
Python中TensorFlow的長短期記憶神經網絡(LSTM)、指數移動平均法預測股票市場和可視化
RNN循環神經網絡 、LSTM長短期記憶網絡實現時間序列長期利率預測
結合新冠疫情COVID-19股票價格預測：ARIMA，KNN和神經網絡時間序列分析
深度學習：Keras使用神經網絡進行簡單文本分類分析新聞組數據
用PyTorch機器學習神經網絡分類預測銀行客戶流失模型
PYTHON用LSTM長短期記憶神經網絡的參數優化方法預測時間序列洗髮水銷售數據
Python用Keras神經網絡序列模型回歸擬合預測、準確度檢查和結果可視化
R語言深度學習卷積神經網絡 (CNN)對 CIFAR 圖像進行分類：訓練與結果評估可視化
深度學習：Keras使用神經網絡進行簡單文本分類分析新聞組數據
Python用LSTM長短期記憶神經網絡對不穩定降雨量時間序列進行預測分析
R語言深度學習Keras循環神經網絡(RNN)模型預測多輸出變量時間序列
R語言KERAS用RNN、雙向RNNS遞歸神經網絡、LSTM分析預測溫度時間序列、 IMDB電影評分情感
Python用Keras神經網絡序列模型回歸擬合預測、準確度檢查和結果可視化
Python用LSTM長短期記憶神經網絡對不穩定降雨量時間序列進行預測分析
R語言中的神經網絡預測時間序列：多層感知器（MLP）和極限學習機（ELM）數據分析報告
R語言深度學習：用keras神經網絡回歸模型預測時間序列數據
Matlab用深度學習長短期記憶（LSTM）神經網絡對文本數據進行分類
R語言KERAS深度學習CNN卷積神經網絡分類識別手寫數字圖像數據（MNIST）
MATLAB中用BP神經網絡預測人體脂肪百分比數據
Python中用PyTorch機器學習神經網絡分類預測銀行客戶流失模型
R語言實現CNN（卷積神經網絡）模型進行回歸數據分析
SAS使用鳶尾花(iris)數據集訓練人工神經網絡(ANN)模型
【視頻】R語言實現CNN（卷積神經網絡）模型進行回歸數據分析
Python使用神經網絡進行簡單文本分類
R語言用神經網絡改進Nelson-Siegel模型擬合收益率曲線分析
R語言基於遞歸神經網絡RNN的溫度時間序列預測
R語言神經網絡模型預測車輛數量時間序列
R語言中的BP神經網絡模型分析學生成績
matlab使用長短期記憶（LSTM）神經網絡對序列數據進行分類
R語言實現擬合神經網絡預測和結果可視化
用R語言實現神經網絡預測股票實例
使用PYTHON中KERAS的LSTM遞歸神經網絡進行時間序列預測
python用於NLP的seq2seq模型實例:用Keras實現神經網絡機器翻譯
用於NLP的Python：使用Keras的多標籤文本LSTM神經網絡分類