机器学习小白，有个项目打工 QAQ 预测效果很差，求指点。

[b2504420230]

如题

目标根据某公司往年财务数据，预测下年财务风险。

数据集： 1000+公司 2008-2022 年的每年财务数据；按照已有论文从财务数据中已提取出 A,B,C,D 四个能力并量化，每个能力又由 4 方面指标如 a1,a2,a3,a4 构成。 (ps:存在新上市公司、存在被 ST 即被退市警告，以及退市公司)

问题：

1. 通过 LSTM 等模型来进行时间序列预测，发现其实时间点太少，就十几个点(因为只有十几年时间点，训练效果感觉不好)
2. 想要训练出一个适合整个行业(或者每个行业一个模型)的模型，就是不用针对每个公司单独训练模型可行么
3. 调参数如何避免过拟合，怎么找到一个合适的调参方法？

因为没有成体系学习过，只学习过数据分析与数据挖掘相关内容，有大佬指个路，那种实用的教程也行 QAQ

[israinbow]

用插值法创建时间点, 换 LSTM-MTL, 验证集性能平缓就停止训练 etc etc; 插眼看楼下有没有大佬回答.

[qianc1990]

这个数据量，就别用神经网络了，尝试评分卡吧

[fox0001]

@qianc1990 #2 同意……[笑哭]