财政收入预测分析

读取数据
求相关系数
关键特征提取：Lasso回归（防止过拟合），降维，缩小特征集。
相关系数不为0的
数据预处理
灰色预测模型GM（1，1）：
添加财政收入列
数据预处理
训练数据标准差标椎化
线性支持向量回归模型：
模型训练
预测数据标准差标椎化
模型预测
标椎化值还原
添加入列表
可视化呈现

Pearson相关系数

Lasso以缩小特征集（降阶）为思想，是一种收缩估计方法。
Lasso方法可以将特征的系数进行压缩并使某些回归系数变为0，进而达到特征选择的目的，可以广泛地应用于模型改进与选择。
通过选择惩罚函数，借用Lasso思想和方法实现特征选择的目的。这种过程可以通过优化一个“损失”＋“惩罚”的函数问题来完成。
当原始特征中存在多重共线性时，Lasso回归不失为一种很好的处理共线性的方法，它可以有效地对存在多重共线性的特征进行筛选。