In this study, variable selections

In this study, variable selections with data mining techniques were applied to the construction of an earnings
prediction model, in order to verify the effectiveness of a data-driven approach for financial statement analysis.
From results applying variable subsets selected by various methods to several datasets, it was shown that variable
selection method enhanced the prediction accuracy compared with a model with all variables. However, there were
differences in effect of each method, depending on the applied datasets. In addition, this paper did not consider
influence of model construction method. Therefore, it is necessary to also verify the effectiveness of this approach.
Methods useful for datasets with interaction among variables, such as CNS and C4.5, are expected to be effective
in variable selection for financial statement data. In this analysis, CFS, which is said to have decreased accuracy
when there is interaction among variables5), obtained much lower accuracy for certain datasets. If stepwise methods
do not consider the interaction, they also have possibilities of decreasing prediction accuracy.
In order to achieve our purpose, many issues remain in this paper because this is the first stage for the verification
of effectiveness of a data-driven approach. In this study, we constructed linear models with logistic regression. Thus,
it was difficult for a subset with variable selection methods like C4.5 to obtain sufficient improvement effect on
accurate prediction. In addition, as was also pointed out for the study of Ou and Penman (1989)1), the grounds have
not been shown for the validity of logit model construction for earnings prediction4). In future works, it is necessary
to verify the effectiveness of this approach by performing model selections using data mining and machine learning
methods such as neural network and naive Bayes. Furthermore, we need to verify the significance and applicability
of this study through the analysis of total results obtained by both variable selection and model selection.

Kết quả (Việt) 1:

Trong nghiên cứu này, các lựa chọn thay đổi với dữ liệu khai thác kỹ thuật đã được áp dụng để xây dựng một thu nhậpdự báo mô hình, để xác minh tính hiệu quả của một cách tiếp cận hướng dữ liệu để phân tích báo cáo tài chính.Từ kết quả áp dụng biến con được lựa chọn bởi các phương pháp khác nhau để một số datasets, nó đã được hiển thị thay đổi màlựa chọn phương pháp nâng cao độ chính xác dự báo so với một mô hình với tất cả các biến. Tuy nhiên, đã cósự khác biệt có hiệu lực của từng phương pháp, tùy thuộc vào ứng dụng datasets. Ngoài ra, giấy này không xem xétảnh hưởng của mô hình xây dựng phương pháp. Vì vậy, nó là cần thiết để cũng xác minh tính hiệu quả của phương pháp này.Các phương pháp hữu ích cho datasets với sự tương tác giữa các biến, chẳng hạn như CNS và C4.5, dự kiến sẽ có hiệu quảtrong biến lựa chọn dữ liệu báo cáo tài chính. Trong phân tích này, CFS, được cho là đã giảm độ chính xácKhi không có sự tương tác giữa các variables5), thu được nhiều độ chính xác thấp hơn đối với một số datasets. Nếu phương pháp stepwisekhông xem xét các tương tác, họ cũng có khả năng giảm dự đoán chính xác.Để đạt được mục đích của chúng tôi, nhiều vấn đề vẫn còn trong giấy này bởi vì đây là giai đoạn đầu tiên cho việc xác minhhiệu quả của phương pháp tiếp cận dữ liệu-driven. Trong nghiên cứu này, chúng tôi xây dựng các mô hình tuyến tính với hồi quy logistic. Vì vậy,nó đã được khó khăn cho một tập hợp con với biến lựa chọn các phương pháp như C4.5 có được đủ sự cải tiến hiệu ứng trêndự đoán chính xác. In addition, như cũng đã được chỉ ra cho các nghiên cứu của Ou và Penman (1989) 1), các căn cứ cókhông được chứng minh cho tính xác thực của xây dựng mẫu hàm lôgit cho thu nhập prediction4). Trong tương lai công trình, nó là cần thiếtđể xác minh tính hiệu quả của phương pháp này bằng cách thực hiện mô hình lựa chọn bằng cách sử dụng khai thác dữ liệu và máy học tậpCác phương pháp như mạng nơ-ron và ngây thơ Bayes. Hơn nữa, chúng ta cần phải xác nhận tầm quan trọng và tính ứng dụngtrong nghiên cứu này qua phân tích của tất cả các kết quả thu được bằng cách biến lựa chọn và lựa chọn mô hình.

Kết quả (Việt) 2:

Trong nghiên cứu này, các lựa chọn biến với các kỹ thuật khai thác dữ liệu đã được áp dụng để xây dựng một thu nhập
mô hình dự báo, để xác minh tính hiệu quả của một phương pháp tiếp cận hướng dữ liệu cho phân tích báo cáo tài chính.
Từ kết quả áp dụng các tập con biến bằng các phương pháp khác nhau được lựa chọn với một số bộ dữ liệu , nó đã chỉ ra rằng biến
phương pháp lựa chọn nâng cao độ chính xác dự báo so với các model với tất cả các biến. Tuy nhiên, có
sự khác biệt về hiệu quả của từng phương pháp, tùy thuộc vào các tập dữ liệu được áp dụng. Ngoài ra, nghiên cứu này không xem xét
ảnh hưởng của phương pháp mô hình xây dựng. Vì vậy, nó là cần thiết cũng để xác minh tính hiệu quả của phương pháp này.
Phương pháp hữu ích cho bộ dữ liệu với sự tương tác giữa các biến, chẳng hạn như thần kinh trung ương và C4.5, dự kiến sẽ có hiệu quả
trong việc lựa chọn biến cho dữ liệu báo cáo tài chính. Trong phân tích này, CFS, mà được cho là đã giảm độ chính xác
khi có sự tương tác giữa các variables5), thu được độ chính xác thấp hơn nhiều cho các tập dữ liệu nhất định. Nếu phương pháp từng bước
không xem xét sự tương tác, họ cũng có khả năng làm giảm độ chính xác dự đoán.
Để đạt được mục đích của chúng tôi, nhiều vấn đề vẫn còn trong bài viết này bởi vì đây là giai đoạn đầu tiên cho việc xác minh
tính hiệu quả của một phương pháp tiếp cận hướng dữ liệu. Trong nghiên cứu này, chúng tôi xây dựng mô hình tuyến tính với hồi quy logistic. Vì vậy,
nó là khó khăn cho một tập hợp con với phương pháp lựa chọn biến như C4.5 để có được hiệu quả cải thiện đủ về
dự đoán chính xác. Ngoài ra, cũng như đã được chỉ ra cho việc nghiên cứu của Ou và Penman (1989) 1), các căn cứ đã
không được chứng minh về tính hợp lệ của xây dựng mô hình logit cho thu nhập prediction4). Trong các tác phẩm trong tương lai, nó là cần thiết
để xác minh tính hiệu quả của phương pháp này bằng cách thực hiện các lựa chọn mô hình sử dụng khai thác dữ liệu và máy tính học tập
phương pháp như mạng lưới thần kinh và ngây thơ Bayes. Hơn nữa, chúng ta cần phải xác minh được tầm quan trọng và tính ứng dụng
của nghiên cứu này thông qua việc phân tích tổng kết quả thu được của cả hai lựa chọn thay đổi và lựa chọn mô hình.

Kết quả (Việt) 3:

Trong cuộc nghiên cứu này, các biến và các ứng dụng công nghệ khai thác dữ liệu được chọn xây dựng Lãi.Mô hình dự đoán, để xác định hướng dữ liệu báo cáo tài chính của các phương pháp phân tích validity.Từ kết quả áp dụng cách tiếp cận khác chọn vài dữ liệu biến số tập hợp con, nó cho thấy biếnPhương pháp được lựa chọn làm tăng độ chính xác và tất cả các mô hình dự báo biến so với.Tuy nhiên, cóMỗi phương pháp hiệu quả khác nhau, tùy thuộc vào ứng dụng bộ dữ liệu của mình.Bên cạnh đó, tờ báo này không suy nghĩ.Phương pháp xây dựng mô hình ảnh hưởng.Vì vậy, cần thiết phải có xác nhận của phương pháp này hiệu quả.Vì sự tương tác giữa các biến của phương pháp tập hợp dữ liệu, như hệ thần kinh trung ương và C4.5, dự đoán sẽ hiệu quả.Trong báo cáo tài chính của các biến dữ liệu được lựa chọn.In This analysis, CFS, nó được cho là có độ chính xác đấyKhi có sự tương tác giữa variables5), được một số dữ liệu chính xác sẽ thấp hơn nhiều.Nếu phát triển cáchKhông suy nghĩ tương tác, họ cũng có khả năng giảm dự đoán chính xác.Để đạt được mục đích của chúng ta, nhiều vấn đề vẫn ở trong bài viết này, bởi vì đây là giai đoạn đầu tiên xác nhậnPhương pháp điều khiển dữ liệu validity.Trong cuộc nghiên cứu này, chúng tôi đã xây dựng mô hình tuyến tính với logic trở lại.Do đó,Một phương pháp được lựa chọn như C4.5 biến tập con có đủ để cải thiện hiệu quả là rất khó khăn.Dự đoán chính xác.Ngoài ra, còn chỉ ra Ou và nghỉ ngơi nghiên cứu (1989) 1), lý doKhông được chứng minh với thặng dư prediction4 mô hình xây dựng Logit validity).Trong tương lai trong tác phẩm, nó là cần thiết.Bằng cách sử dụng khai thác dữ liệu và mô hình của máy học lựa chọn để xác định hiệu quả của phương pháp nàyMạng lưới thần kinh và giản dị như phương pháp Bayesian.Hơn nữa, chúng ta cần xác định ý nghĩa và áp dụng tình dụcNghiên cứu này được lựa chọn và chọn biến mô hình tổng kết quả phân tích.