1. 毕业设计（论文）主要内容：
数据挖掘对于处理具有大数据特征的金融时间序列数据和可能具有模式不固定的非常动态的系统这两类数据的处理常用的技术有回归分析、随机森林、人工神经网络、支持向量机、关联分析等。本文主要考虑在大数据条件下，如何对数据进行预处理、探索性分析、预测模型的构建和模型的检验。通过大数据典型案例分析，采用多种数据挖掘方法多次试验，寻求最佳模型算法，就选择变量和进行变换，验证模型的正确性及有效性方面。
2. 毕业设计（论文）主要任务及要求
1、查阅不少于15篇的相关资料，其中英文文献不少于3篇，完成开题报告。
2、完成不少于5000字的英文文献翻译工作。
3、收集相关的原始数据，并进行数据的预处理工作。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 毕业设计（论文）完成任务的计划与安排
1-3周：查阅文献，完成开题报告4-6周：总体设计，完成论文综述7-10周：设计算法，功能模块设计11-13周：编码和测试14-15周：写论文，提交初稿，给老师检查，修改定稿，答辩。
4. 主要参考文献
【1】熊腾科. 基于数据挖掘的金融预测模型[D].厦门大学硕士论文，2006.【2】杨本昭,田耕.基于人工神经网络的客户价值分类研究[J]，科技管理研究，2007,27:168-170.
【3】裴双喜. 基于数据挖掘的金融时间序列预测分析与研究[D].大连海事大学硕士论文，2008.【4】谭梦羽. 基于支持向量机回归与学习的金融数据预测与分类[J]，西安电子科技大学硕士论文，2014.
【5】M.J.A. Berry, G. Linoff. Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management[M]. Wiley Computer Publishing, 2nd edition, 2004.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
