摘要：决策树是一种直接基于数据集生成的分类器，而Bagging算法选取决策树作为基分类器，多个分类器投票得到最多的结果作为bagging算法的输出。

本文梳理了决策树算法和bagging算法的产生、发展、研究和应用情况，同时总结了已有的企业经营情况判断案例，使用Economic Journal的1999年-2009年的企业经营数据进行实证研究。其次，对资产总额利润率、净利润、营业利润、附息债务和每股售价等信息进行数据的预处理，根据信息熵增益对分类数据集进行特征选取，生成决策树后再进行剪枝，提高分类器的实际预测效果。接着，在Bagging算法中生成多棵决策树对预测结果进行投票，采用少数服从多数的原则，最终得到的分类器，根据企业经营情况的各种属性数据可以预测企业是否会破产，从数据科学的角度为企业的经营状况提出了是否破产的考察标准。

关键词：决策树、bagging算法、破产分析

目录

摘要

Abstract

1.引言-1

1.1选题背景-1

1.2实际意义与创新点-1

1.3研究方法与思路-2

1.4预测模型-2

2.相关研究综述-6

2.1研究现状-6

2.2未来研究趋势-7

3.数据采集及处理-8

3.1数据采集-8

3.2数据处理-9

4.决策树和bagging算法的实现-11

4.1数据库展示-11

4.2决策树和bagging算法描述-11

4.3评价指标及算法结果-13

5. 结论分析及展望-15

5.1 结论与不足-15

5.2研究展望-16

参 考 文 献-17

附录-18

致谢-20