基于增强回归树算法的面向二值分类的因子筛选方法

摘要

本发明公开了一种基于增强回归树算法的面向二值分类的因子筛选方法，（1）、数据搜集，建立目标变量‑预测因子数据集；（2）、基于目标变量和全部因子利用增强回归树算法建模，计算因子重要性并排序；（3）、对全部因子进行相关性分析，分析皮尔逊相关矩阵并进行筛选；（4）、基于目标变量和保留下来的因子利用增强回归树算法建立新的模型，计算预测偏差，计算因子重要性并排序，剔除重要性最小的因子，直至保留下来的因子数量≤2；（5）、比较步骤（4）中各增强回归树模型的预测偏差，将预测偏差最小的增强回归树模型所采用的全部因子作为最佳因子组合。本发明建立了定量化的因子选取体系，结果可靠，应用领域广。