Since the financial items had a wid

Since the financial items had a wide range, we first performed natural logarithmic transformation, and then normalization during the data preprocessing phase. We employed the GP as implemented in the tool Discipulus (available at www.rmltech.com and downloaded on 20th August, 2008). For MLFF, GMDH, and PNN, we employed Neuroshell 2.0 [33] and for SVM and LR we used KNIME
2.0.0 [24]

Kết quả (Việt) 1:

Vì các mục tài chính có một phạm vi rộng, chúng tôi lần đầu tiên thực hiện chuyển đổi hàm lôgarit tự nhiên, và sau đó là bình thường trong giai đoạn tiền xử lý dữ liệu. Chúng tôi sử dụng GP như thực hiện trong công cụ Discipulus (có sẵn tại www.rmltech.com và tải về vào ngày 20 tháng 8, 2008). MLFF, GMDH và PNN, chúng tôi sử dụng Neuroshell 2.0 [33] và SVM và LR, chúng tôi sử dụng KNIME2.0.0 [24]

Kết quả (Việt) 2:

Kể từ khi các chỉ tiêu tài chính đã có một phạm vi rộng, đầu tiên chúng ta thực hiện chuyển đổi logarit tự nhiên, và sau đó bình thường trong giai đoạn tiền xử lý dữ liệu. Chúng tôi sử dụng các GP như thực hiện trong công cụ Discipulus (có sẵn tại www.rmltech.com và tải về trên Tháng Tám 20, 2008). Đối với MLFF, GMDH, và PNN, chúng tôi sử dụng Neuroshell 2.0 [33] và cho SVM và LR chúng tôi sử dụng KNIME
2.0.0 [24]

Kết quả (Việt) 3:

Do dự án tài chính có một phạm vi rộng rãi trong vòng đầu tiên, chúng ta thực hiện biến đổi lôgarit tự nhiên, và trong giai đoạn bình thường hóa dữ liệu đã được xử lý.Chúng ta sử dụng công cụ thực hiện GP là môn đồ (có thể ở www.rmltech.com tải về vào ngày 20 tháng 8 năm 2008).Đối với MLFF, GMDH, PNN, chúng ta dùng dây thần kinh cấp 2 [33] và SVM và Lr chúng ta sử dụng KNIME2.0.0 [24]