1. 毕业设计（论文）的内容和要求
地方财政收入是国家财政收入的重要组成部分，准确识别及预测地方财政收入，将有利于合理制定财政支出计划，合理分配地方财政收入，促进地方发展，提高人民生活质量。
一方面，财政收入相关数据为低频小样本数据，另一方面，影响财政收入的因素又非常广泛，因此，本课题将以某地方实际财政收入相关数据为研究样本，利用机器学习算法预测未来财政收入。
具体内容包括：（1）对已有关于企业客户分类与预测的文献进行综述；（2）选择研究样本，要求样本某级政府财政收入时间序列及相关经济数据，对数据进行初步清理；（3）首先利用机器学习中的降维模型Lasso模型，筛选出影响财政收入的重要经济变量；（4）利用适用于小样本的灰色预测方法及支持向量回归方法对未来财政收入进行预测，（5）对研究结果进行分析并为政府制定合理财政计划提供政策建议。
2. 参考文献
[1] 蒋锋,张婷,周琰玲. 基于Lasso-GRNN神经网络模型的地方财政收入预测[J].统计与决策，2019,(19):91-94.[2] 陈平,李建英,庄海玲. 房地产税改革对地方财政收入的影响预测基于广州市数据的模拟测算[J],税务研究, 2018, (9):52-56.[3] 袁瑞萍,李俊韬,田志勇. 基于GM(1,1)残差模型的科技园区财政收入预测[J].数学的实践与认识,2016,46(18):109-114.[4] 赵海华. 基于灰色RBF神经网络的多因素财政收入预测模型[J]. 统计与决策,2016,(13):79-81.[5] 曾津,周建军. 高维数据变量选择方法综述 [J]. 数理统计与管,2017,(4): 678-692.[6] 张秀秀,王慧,田双双 等. 高维数据回归分析中基于LASSO的自变量选择[J]. 中国卫生统计,,2013,(6): 922-926.[7]付强,沈维政,魏晓莉等. 基于支持向量机奶牛饲粮能量消化预测方法 [J]. 饲料研究,2019,(7):47-51.[8] 周水生,王保军,安亚利. 基于LS-SVM方法求高阶线性ODE近似解[J]. 计算机工程与应用,2018,(23): 51-56 73.[9] Cortes, C. and Vapnik, V. Support vector networks[J] Machine Learning, 1995(20), 273-297, [10]Burges JC. A tutorial on support vector machines for pattern recognition[J] Data Mining and Knowledge Discovery, 1998(2),121167.
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。
