Los puntos clave no están disponibles para este artículo en este momento.
En los últimos años, la tecnología de minería de datos ha recibido una amplia atención en el desarrollo de empresas y de la sociedad. Tiene la función de extraer profundamente información valiosa de datos masivos, ahorrando efectivamente el tiempo y el costo que las empresas consumen en el análisis de datos, y transformando la información de datos masivos en conocimiento e información que las empresas pueden aplicar de manera más eficiente, promoviendo así el desarrollo de las empresas. Este artículo aplica la tecnología de minería de datos al análisis de la contabilidad de gestión empresarial, lo cual puede proporcionar ciertas ideas de optimización y desarrollo para mejorar el nivel de la contabilidad de gestión empresarial. Después de 24 rondas de análisis experimental, se encontró que las líneas de datos que representan los resultados predichos y los resultados reales en el modelo de predicción de volumen de ventas del algoritmo BP estaban en su mayoría ajustadas, lo que indica que la diferencia entre ambos no era significativa. El error es mucho menor que el modelo del algoritmo de memoria a corto y largo plazo (LSTM).
Xue et al. (Fri,) estudiaron esta cuestión.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: