机器学习在党政干部日常考核模型权重赋值中的运用

【#第一文档网# 导语】以下是®第一文档网的小编为您整理的《机器学习在党政干部日常考核模型权重赋值中的运用》，欢迎阅读！

机器学习在党政干部日常考核模型权重赋值中的运用

秦博;徐浩铭

【期刊名称】《中共四川省委省级机关党校学报》 【年(卷),期】2015(000)003

【摘 要】机器学习方法在领导干部日常考核指标体系设置中被广泛运用。层次结构模型( AHP&FAHP)的基本思路是将复杂问题分解为若干层次和若干要素，通过简单比较、判断和计算，获得不同要素的权重，最后通过加权求和做出最优选择。而SVM作为一种新兴的机器学习方法，也逐渐被引入到领导干部日常考核的指标设计之中。 SVM的原则是结构风险最小化，在样本分类误差尽可能小的前提下，充分提高分类器的泛化推广能力，这有助于解决小样本、非线性以及高维模式识别问题；文章总结和比较了AHP、 FAHP、 SVM三种模型的理论基础和基本方法，试图为领导干部日常考核提供理论依据。 【总页数】4页(P28-31) 【作 者】秦博;徐浩铭

【作者单位】中共四川省委省直机关党校 四川成都610017;中共成都市委党校 四川成都610110 【正文语种】中 文 【中图分类】D630.3 【相关文献】


1.积因子位次赋值数据求权重法在粮食生产潜力评价中的应用2.证候疗效评价中症状量化赋值权重确定方法初探3.Boosting算法中基分类器权重的动态赋值4.属性权重、位置权重以及属性赋值均为直觉模糊数的信息集成算子及其应用5.机器学习在党政干部日常考核模型权重赋值中的运用

因版权原因，仅展示原文概要，查看原文内容请购买

本文来源：https://www.dy1993.cn/tKDK.html