论文部分内容阅读
为公司营业收入进行有效的预测,对公司营业收入管理有着重要的参考意义。传统统计学方法存在"抗噪能力"差、在高维特征数据上容易过拟合的问题,同时,在样本量相对较少的条件下,相对复杂的金融时间序列问题并不适合简单地使用神经网络模型进行任务建模。针对上述问题,本文提出在模型复杂度相对可控,并且"抗噪能力"较强的XGBoost模型的基础上,结合卷积神经网络对数据集特征做深度特征挖掘进行营收预测任务建模工作。