数据 特征分析 研究 选定的 使用 算法 损失的 根据 不完全 研究的 rs nsf 透明度 神经网络 相同的 机器 可变 培训 以前的 kringar 模型的 风险管理 性能度量 执行的 数据集 机器学习 不同的 XGBoost 模型 使用的 实施