精华内容
下载资源
问答
  • 模糊决策分析方法

    万次阅读 多人点赞 2019-05-07 09:26:40
    模糊数学模型系列博文: 【1】基本概念: 隶属函数、模糊集合的表示方法、模糊关系...【4】模糊决策分析方法 模糊数学中有一个研究的热点问题就是“模糊决策”,它就是研究在模糊环境下或者 模糊系统中进行决策的...

    模糊数学模型系列博文:

    【1】基本概念: 隶属函数、模糊集合的表示方法、模糊关系、模糊矩阵

    【2】模糊模式识别:海明贴近度 、欧几里得贴近度 、黎曼贴近度、 格贴近度、最大隶属原则、择近原则

    【3】模糊聚类分析方法:模糊等价矩阵、模糊相似矩阵、传递闭包法、布尔矩阵法

    【4】模糊决策分析方法


    模糊数学中有一个研究的热点问题就是“模糊决策”,它就是研究在模糊环境下或者 模糊系统中进行决策的数学理论和方法。模糊决策的目标是把决策论域中的对象在模糊 环境下进行排序,或按某些模糊限制条件从决策域中选择出最优对象。


    目录

    1 模糊综合评价法                           ★ 多目标模糊综合评价法建模实例

    2 多目标模糊综合评价决策法         ★ 多目标模糊综合评价决策法建模实例

    3 多层次模糊综合评价模型的数学方法

    3.1 多层次模糊综合评价模型数学方法的基本步骤

    3.2 多目标模糊综合评价决策法建模实例

    (4)权重的确定        ① 频数统计法确定权重.              ② 模糊层次分析法(AHP)确定权重

              4 模糊多属性决策方法                                                           4.1 模糊多属性决策理论的描述

    4.2 折衷型模糊多属性决策方法                                           (2)折衷型模糊决策的基本步骤

    Step1:指标数据的三角形模糊数表达                         Step2: 模糊指标矩阵 F 归一化处理

    Step3: 构造模糊决策矩阵                                            Step4: 确定模糊正理想 与模糊负理想 

    4.3 折衷型模糊决策方法建模实例



    1 模糊综合评价法

    模糊综合评价方法,是应用模糊关系合成的原理,从多个因素(指标)对被评价事物 隶属等级状况进行综合性评判的一种方法,其具体的步骤为:

    常用的模糊算子有:

    经过比较研究, M (•,⊕) 对各因素按权数大小,统筹兼顾,综合考虑,比较合理。

    (6) 对模糊综合评价结果 B 作分析处理。

    ★ 多目标模糊综合评价法建模实例

    科技成果通常可用技术水平、技术难度、工作量、经济效益、社会效益等 5 个指 标进行评价,等级分为一等、二等、三等、四等。某项科研成果经过评委会评定,得到 单因素评判矩阵.

    用 M (•,⊕) 算子,得 B = (0.23,0.35,0.31,0.11) 由计算结果可见,用 M (•,⊕) 评价模型比较合理,成果应评为二等奖。

    2 多目标模糊综合评价决策法

    当被评价的对象有两个以上时,从多个对象中选择出一个最优的方法称为多目标模 糊综合评价决策法。 评价的步骤:

    ① 对每个对象按上面多个目标(因素)进行模糊综合评价;

    ② 将模糊评语量化,计算各对象的优先度。假设模糊评价评语量化集(或评价尺 度)为 S ,则各对象的优先度为:

    ★ 多目标模糊综合评价决策法建模实例

    假定在上例中有两项科研成果,第一项科研成果为甲项,其模糊评价结果为 B1 = (0.23,0.5,0.31,0.11) 现对科研成果乙进行同样的模糊评价,其评价矩阵为

    各评价因素的权值分配为 A = (0.35,0.35,0.1,0.1,0.1)

    所以,综合评价为

     例 16 某露天煤矿有五个边坡设计方案,其各项参数根据分析计算结果得到边坡 设计方案的参数如下表所示。

    据勘探该矿探明储量 8800 吨,开采总投资不超过 8000 万元,试作出各方案的优 劣排序,选出最佳方案。 解 首先确定隶属函数:

    (1)可采矿量的隶属函数

    因为勘探的地质储量为 8800 吨,故可用资源的利用函数作为隶属函数

    根据专家评价,诸项目在决策中占的权重为 A = (0.25, 0.20, 0.20, 0.10, 0.25) , 于是得诸方案的综合评价为 B = AR = (0.7435, 0.5919, 0.6789, 0.3600, 0.3905)

    由此可知:方案 I 最佳,III 次之,IV 最差。 程序计算如下:

    (1)首先编写函数文件 myfun.m 如下:

    function f=myfun(x);
    f(1,:)=x(1,:)/8800;
    f(2,:)=1-x(2,:)/8000;
    f(3,:)=0;
    f(3,find(x(3,:)<=5.5))=1; 
    flag=find(x(3,:)>5.5 & x(3,:)<=8);
    f(3,flag)=(8-x(3,flag))/2.5;
    f(4,:)=1-x(4,:)/200;
    f(5,:)=(x(5,:)-50)/1450; 

    (2)编写程序文件如下:

    x=[4700 6700 5900 8800 7600
    5000 5500 5300 6800 6000
    4.0 6.1 5.5 7.0 6.8
    30 50 40 200 160
    1500 700 1000 50 100];
    r=myfun(x);
    a=[0.25,0.20,0.20,0.10,0.25];
    b=a*r 

    3 多层次模糊综合评价模型的数学方法

    3.1 多层次模糊综合评价模型数学方法的基本步骤

    3.2 多目标模糊综合评价决策法建模实例

    科技成果模糊综合评价模型的建立及其有关参数的确定。

    (1)科技成果综合评价的因素集(指标体系)的确定 根据科研成果的特点, 并经过专家调研, 设计以下一套综合评价指标体系.

    (2)科技成果的评语集的确定

    在评价科技成果时,可以将其分为一定的等级. 在此, 从“专家打分”的角度把 评价的等级分为“10 分”、“8 分”、“6 分”、“4 分”、“2 分”五个等级,因此评语集表 示为: V = {10 分, 8 分, 6 分, 4 分, 2 分}.

    (4)权重 \large a_k 的确定

    在(1)给出的综合评价体系中三大准则及 9 个指标中, 他们在综合评价中的重要 程度是不一样的。地位重要的,应给予较大的权重;反之,应给出较小的权重。下文给 出两种确定权重的实用方法。

    ① 频数统计法确定权重.

    ② 模糊层次分析法(AHP)确定权重

    该法的基本原理是从(1)中给出的综合评价体系的层次结构出发,针对每个准则 内的指标,运用专家的知识、智慧、信息和价值观,对同一层或同一个域的指标进行两 两比较对比,并按 1—9 判断标度及含义构造判断矩阵 D = \large (d_{ij})_{n\times n} ,再由组织者计算比

    (5)科技成果的综合评价

    4 模糊多属性决策方法

    4.1 模糊多属性决策理论的描述

    4.2 折衷型模糊多属性决策方法

    (1)折衷型模糊决策的基本原理 折衷型模糊决策的基本原理是:

    从原始的样本数据出发,先虚拟模糊正理想和模糊 负理想,其中模糊正理想是由每一个指标中模糊指标值的极大值构成;模糊负理想是由 每一个指标中模糊指标值的极小值构成。然后采用加权欧氏距离的测度工具来计算各备 选对象与模糊正理想和模糊负理想之间的距离。在此基础上,再计算各备选对象属于模 糊正理想的隶属度,其方案优选的原则是,隶属度越大,该方案越理想。

    (2)折衷型模糊决策的基本步骤

    Step1:指标数据的三角形模糊数表达

    下面运用以上的定义将定性、定量指标以及权重数据统一量化为三角形模糊数.

    1) 对于定性指标,可以将两极比例法改进为三角模糊数比例法。再利用三角模糊 数比例法将定性指标转化为定量指标,其具体的转化形式见表 9。

    2) 对于精确的定量指标值,也写成三角模糊数的形式。设 a 是一个具体的精确数, 由三角模糊数的定义,则 a 表示成三角模糊数的形式为:

    数的表达形式.

    Step2: 模糊指标矩阵 F 归一化处理

    Step3: 构造模糊决策矩阵

    Step4: 确定模糊正理想 \large M^{+}与模糊负理想 \large M^{-}

    4.3 折衷型模糊决策方法建模实例

    某市直属单位因工作需要,拟向社会公开招聘 8 名公务员,具体的招聘办法和程序 如下:

    (一)公开考试:凡是年龄不超过 30 周岁,大学专科以上学历,身体健康者均可 报名参加考试,考试科目有:综合基础知识、专业知识和“行政职业能力测验”三个部 分,每科满分为 100 分。根据考试总分的高低排序选出 16 人选择进入第二阶段的面试 考核。

    (二)面试考核:面试考核主要考核应聘人员的知识面、对问题的理解能力、应变 能力、表达能力等综合素质。按照一定的标准,面试专家组对每个应聘人员的各个方面 都给出一个等级评分,从高到低分成 A/B/C/D 四个等级,具体结果见表 10 所示。

    现要求根据表 8 中的数据信息对 16 名应聘人员作出综合评价,选出 8 名作为录用 的公务员。

    建模过程:

    ① 借鉴表 9 的思想,对于定性指标值 A,B,C,D,可以定义表 10 的量化标准 将这些定性指标进行量化,其具体的量化形式见表 11。

    ② 由表 11 和公式(1)把表 10 中的指标信息、权重信息化成三角形模糊数,得到

    ③ 由公式(3’)和(4)将 F 中的数据进行归一加权化,得到模糊决策矩阵 D 。

    ④ 由公式(5)确定出模糊正理想与模糊负理想

    ⑤ 模糊优选决策

    因此被选种的 8 个人员是人员 1、4、2、9、8、5、7、12。 计算的 MATLAB 程序如下:

    %把表 3 中的数据复制到纯文本文件 mohu.txt 中,然后把 A 替换成 85 90 100,
    %B 替换成 75 80 85,C 替换成 60 70 75,D 替换成 50 55 60
    clc,clear
    load mohu.txt
    sj=[repmat(mohu(:,1),1,3),mohu(:,2:end)];
    %首先进行归一化处理
    n=size(sj,2)/3;m=size(sj,1);
    w=[0.5*ones(1,3),0.125*ones(1,12)];
    w=repmat(w,m,1);
    y=[];
    for i=1:n
        tm=sj(:,3*i-2:3*i);
        max_t=max(tm);
        max_t=repmat(max_t,m,1);
        max_t=max_t(:,3:-1:1);
        yt=tm./max_t;yt(:,3)=min([yt(:,3)';ones(1,m)]);
        y=[y,yt];
    end
    %下面求模糊决策矩阵
    r=[];
    for i=1:n
        tm1=y(:,3*i-2:3*i);tm2=w(:,3*i-2:3*i);
        r=[r,tm1.*tm2];
    end
    %求 M+、M-和距离
    mplus=max(r);mminus=min(r)
    dplus=dist(mplus,r');dminus=dist(mminus,r');
    %求隶属度
    mu=dminus./(dplus+dminus);
    [mu_sort,ind]=sort(mu,'descend') 

    习题

    1. (工程评标问题)某建设单位组织一项工程项目的招标,现组建成评标专家组 对 4 个投标单位的标书进行评标。4 个标书的指标信息见表 13,其中前三个指标信息是 各投标单位给定的精确数据,后三个指标信息是评标专家组经考察后的定性结论。 请 你帮评标专家组设计一个工程评标模型,以确定最后中标单位.


    模糊数学模型系列博文:

    【1】基本概念: 隶属函数、模糊集合的表示方法、模糊关系、模糊矩阵

    【2】模糊模式识别:海明贴近度 、欧几里得贴近度 、黎曼贴近度、 格贴近度、最大隶属原则、择近原则

    【3】模糊聚类分析方法:模糊等价矩阵、模糊相似矩阵、传递闭包法、布尔矩阵法

    【4】模糊决策分析方法


     

    展开全文
  • Paypal决策分析师面试记录

    千次阅读 2019-05-21 21:40:30
    Paypal决策分析师面试记录 英文自我介绍 根据简历问问题,主要问的是数据实习 涉及到的技术问答(都是在谈业务题的时候顺带出来的) ○ python:python有哪些数据结构、list/dict/tuple/dataframe的区别、用...
    • 英文自我介绍

    • 根据简历问问题,主要问的是数据实习

    • 涉及到的技术问答(都是在谈业务题的时候顺带出来的)

       ○ python:python有哪些数据结构、list/dict/tuple/dataframe的区别、用什么包
       ○ 模型:各种指标(准确率、查全率、查准率),Roc曲线、AUC
      
    • 问答题:

    1. 给一张打印好的表,上面字段分别是卖家id、买家id、交易日期、交易金额、识别出欺诈的日期、欺诈金额(如果识别出欺诈,则欺诈金额为交易金额)

      回答五个问题:``
      ○ sql:七、八、九月份累计交易金额量
      ○ sql:七、八、九月份最后一天观测到的累计交易金额量(这个题记不清了,但是重点在于识别出欺诈的日期)
      ○ 写出上一题的伪代码
      ○ 你觉得交易的风险增加了吗(表面上看欺诈笔数是逐月递减的,但是因为识别出欺诈的日期通常在交易后的许多天甚至几个月后,所以不好判断?)
      ○ 你从表中还可以看出什么:有一个卖家id出现许多欺诈交易(我只答了这一个,可能还有别的),然后会引出业务题
      
    2. 有两张表:
      在这里插入图片描述在这里插入图片描述
      求出每个国家发生交易的总额(买家和卖家在两个国家的分别计入):

      select country,sum(amount) as sum
      from
      ((select t.*,u1.country as country
      from transaction as t
      left join user as u1
      on t.seller_id=u1.user_id)
      union
      (select t.*,u2.country as country
      from transaction as t
      left join user as u2
      on t.seller_id=u2.user_id))new
      group by country
      
    3. 有一张表:
      在这里插入图片描述
      求出每个userid连续交易的最长天数(适用于一天有多笔交易的情况)

      select userid,max(cons_num) as max_cons_num
      from
      (select userid,cons_no,count(cons_no) as cons_num
      from
      (select *,
      datediff(day,'2019-01-01',dateid) as day,
      row_number() over(partition by userid order by userid,dateid) as rownumber,
      datediff(day,'2019-01-01',dateid)-row_number() over(partition by userid order by userid,dateid) as cons_no
      from 
      (select * 
      from trans
      group by userid,dateid)a)b
      group by userid,cons_no)c
      group by userid
      order by userid
      

      求出每个userid连续不交易的最长天数:

      select userid,max(uncons_day) as max_uncons_day
      from
      (select *,
      min(dateid) over (partition by userid order by userid,dateid rows between 1 preceding and 1 preceding) as preceding,
      datediff(day,min(dateid) over (partition by userid order by userid,dateid rows between 1 preceding and 1 preceding),dateid) as uncons_day
      from
      (select * 
      from trans
      group by userid,dateid)a)b
      group by userid
      
    展开全文
  • 绝对干货:保险公司决策分析系统建设方案

    千次阅读 热门讨论 2014-05-22 15:28:38
    绝对干货:保险公司决策分析系统建设方案 本文由CSDN博主IT小牛吐血打造,亲身经历,独家报道,第一视角呈现、解读保险公司决策分析系统建设的背景、实现目的是哪些,其项目建设方案又是如何。绝对干货,绝对超值!...

    本文由CSDN博主IT小牛吐血打造,亲身经历,独家报道,第一视角呈现、解读保险公司决策分析系统建设的背景、实现目的是哪些,其项目建设方案又是如何。绝对干货,绝对超值!

    科普知识:什么是决策分析系统

    决策分析系统呈现的是数据页面,也就是俗称的报表,报表与报表间、数据与数据间都按照一定的逻辑设定,是业务人员查看、分析数据的平台,更是辅助领导们运营决策的平台。底层数据决定上层分析,所以建设决策分析系统一般包括数据层处理(数据仓库建设)。

     

    开篇点题:项目背景是怎么样的

    通常,保险公司信息化程度很高,基本上都有业务处理系统(像集团业务处理系统、老业务处理系统、个人代理人系统等)、数据服务系统(通过ETL对各业务系统数据的集成)、数据分析查询系统(比如销售管理系统、业务查询系统)。

    说下项目主角:某某保险公司。话说该保险公司的业务在发展,时间再推移,上述三大系统在配合应用方面就显得非常吃力,问题有:

    一、数据量进入TB级

    数据变化,多表关联查询,更新删除,受软硬件制约,比之前缓慢。传统写SQL做报表已跟不上节奏。还要保证数据的即时性,准确性,可靠性。

    二、报表需求爆炸增长

    公司经营体制改革,各业务渠道各部门对数据报表要求在深度,广度,精度越来越高,需求从不同的视角切分查看汇总数据。业务流程时效,处理过程预警。

    三、报表开发时效性问题

    公司部门人员往往今天提一个需求,明天就想要结果,传统的用存储过程,dtsx包先处理好数据,然后从结果表出数据,一个临时表对应一张报表,非常耗时。延误需求。开发人员工作量也大。

    四、统计口径不一致

    没有统一的维度,统一的数据标准(业务数据录入出错),统一的业务逻辑,开发人员不同,一个报表这个指标这样算,另外一个人员那样算,导致天天在核对数据。

    五、数据权限

    不同的用户看到不同的报表,同一张报表看到不同的内容。之前套路开发缓慢。

    六、大量数据在沉睡

    积累了大量的客户,销售人员和保单数据交易数据,未充分利用,数据深层次的关联,由于信息开发人员工作时间被上面几项问题天天缠着,根本没有时间结合公司实际,去发现数据价值,活用数据,从而把数据转为生产力,帮助领导决策,指导销售人员跟单。

     

    所以,高大上的决策分析系统呼之而出,光荣的历史使命便是:挖掘现有数据价值,用活数据,将数据转化为生产力,从而辅助领导进行决策,促进提高工作效率,提升公司效益。

     

    剑指咽喉:项目建设的目的明细

    一、公司数据达到整体统一,所有的分析数据均来源于一处,而且有明确的符合业务的数据粒度,实现数据及时、准确、可靠。

    二、统一门户管理报表,统一管理原有系统的报表,以及新开发的报表。不同的职位对应不同的报表查阅、打印、下载权限。对于公共的报表,直接放在网站上,供所有人查询浏览。无需用户登录。同时用户可以在移动端查看报表。

    三、报表功能上方便,快捷,高效,展现方式丰富,可以轻松开发报表。能实现定制式报表,用户自定义分析报表,即不同人物角色进去看到的指标不同:有的关注总的,有的关注个人渠道的,且可以让他们自己选择关注的指标。

    四、报表在性能方面达到要求,对大数据处理有好的方式,确保在查询5万+以上明细数据时可以快速出来。

    五、为未来考虑,整个系统要方便扩展,且有新的技术和应用可以更新。

     

    排兵布阵:项目建设的方案设计

    一、数据仓库

    1、处理TB级的数据,避免磁盘IO瓶颈,采取分库分表,数据压缩技术设计架构数据库中的表存储。

    2、kimball维度设计法则,面向主题设计,分维度表,事实表,采用星形,雪花型结构设计表间关系结构。主题大概有收付费主题,保单主题,新契约主题,核保主题,保全主题,理赔主题,客户主题,单证主题,人力主题等。清单类数据维度架构中直接SQL出,指标类数据从多维数集中通过MDX出。

    3、用SSIS从业务系统提取、转换数据,加载到主题库表中。

    二、报表开发

    用FineReport报表工具依托数据仓库,开发 “常用指标式-固定报表”、“常用指标式-定制报表”、“非常用指标式-数据分析报表”、“非常用指标式-推送查询式报表”、“非常用指标式-用户自定义查询报表”等5类报表N多张报表模板。

    三、权限管理

    用FineReport报表工具基于角色控制报表与数据仓库中角色维度结合,同时与业务系统等集成,统一权限管理,实现单点登录。

    四、后台支撑

    APACHE+TOMCAT集群部暑FineReport,以满足5000人访问

    五、数据分析挖掘

    基于数据仓库,采用多变量分析等方法,对数据进行分析,发现潜在关系,对下一步行为决策提供依据。

     

    辛苦收官,IT小牛的心得总结

    所有IT高手都是熬出来的,IT小牛也是。这个项目写出来感觉轻轻松松,其实过程相当坎坷。项目的难度超出预期,尤其是数据仓库建立块,最终项目延期两个月,过程中IT小牛作为项目经理承担着各种压力,项目成员们情绪上的波动,公司和客户的各种催促。最后还是挺过来了,感觉成长不少,一是对待项目评估的谨慎,前期一定要把项目调研做的足够好;二是心态上的成长,大概以后就要冷眼看世界,不管愁与喜了。

     

    展开全文
  • 如何规划农商行商业智能系统中的决策分析系统?

    农商行中,商业智能系统中的决策分析系统一般有如下建设要求:

    1、建立统一、长效数据平台实现对历史数据进行趋势、环比、同比等情况分析;

    2、根据主题要求有效加工分析数据管理部门要求的分析报表;

    3、通过丰富图形展示来表达业务数据情况,使领导更能直观、全面了解经营情况。;

    4、有效利用数据,挖掘分析管理部门要求的分析数据,为行领导决策提供科学有效的依据。

    在决策分析系统建设中,我们还需要遵循以下原则:

    1、以行领导决策分析为向导,通过系统进行展现,为经营管理提供数据支撑;

    2、业务范围以存款、贷款、收入为主导的分析方式,基于各级数据权限层层钻 取;

    3、系统以时点数、日均数为要素,对期限(年初、月初、季初、昨日)进行同 比、环比、钻取、联动等处理方式;

    4、主要展现方式根据业务不同,例如,可以分别通过柱状图、线形图、饼状图进行展现;

    5、系统以实用为主,以行管理方向为导向。

    农商行决策系统分析维度示例

     

     

           

    几个典型银行决策系统维度说明

    目标销售

    主要是利用预估模型来确定和选择销售的对象和目标;

    风险分析

    数据挖掘的方法已被广泛地用于风险模型的建立,包括审批模型、行 为模型、逾期模型、破产模型等;

    客户利润贡献度分析

    根据预估模型及客户的贡献度分析,确立黄金客户、创利 客户及非创立客户的分布;

    银行关键经营指标的分析

    包括存款、贷款、不良资产等指标的变动对比分析;

    信用价值/潜在价值的预估

    在北美已被广泛地使用,主要通过对客户潜在价值的 分析, 有利于银行根据客户信用价值和潜在价值高低采取不同的策略;

    预测分析

    预测主要用于销售的预测、利率预测以及成本费用的预测等。 数据挖 掘方法的使用将极大地提高银行未来规划管理水平。

     

    展开全文
  • 决策分析就是根据一定的选择标准,在一些...但实施决策分析本身的成本也比较高,一般我们只在重大问题采取决策分析的办法,例如:大家购买房子就需要决策分析一下了,但今晚去哪里吃饭,恐怕就不需要决策分析一下了。
  • 在可能技术方案选择决策分析过程中,如果项目经理认为技术方案整体相差不大时,可以通过此方法,尊重技术人员的选择,做其喜好的,对项目更有利。如果项目经理有足够的资源,那么可能是另种结果,何况没有资源呢! ...
  • CMMI规范决策分析与解决方案(DAR)

    千次阅读 2010-04-26 20:45:18
    决策分析与解决方案(DAR 3级) 成熟度第三级的支持类过程域 目的 决策分析与解决方案(Decision Analysis and Resolution, DAR)的目的,在于利用正式的评估过程,依据已建立的准则评估各种已识别的备选...
  • 在项目实施过程中,技术方案选型往往是比较揪心的一个过程,需要在满足需求、技术先进性、成熟度、... 所以提出方案的人,都会认为自己的方案比较优,这样矛盾就产生了,需要一套决策分析管理过程来决策选择哪个方案。
  • 用户行为决策分析模型在电商互联网、互金等行业,用户运营岗或者产品运营岗常常可套用分析的模型,通过各环节各渠道的数据,分析转化率、流失率、存活率等等来制定一些营销策略,精准化运营,甚至优化产品。
  • 框架选型决策分析案例(个人笔记)

    千次阅读 2013-10-18 18:01:06
    1.1. 决策目的 选择功能满足需求,开发文档齐全,适合本项目特点的Java持久层框架。 1.2. 参考资料 无 2. 评价方法 采用Delphi方法进行评价,评价步骤如下: 1. 明确决策问题,选择成员(项目组成员、相关领域...
  • 软件项目管理(CMMI成熟度)实践——之决策分析(1) 》、《 软件项目管理(CMMI成熟度)实践——之决策分析(2) 》,后记。  关于前端开发技术架构决策分析的活动已经结束了,按理说不应该这么快来写总结,...
  • 运筹学知识:决策分析技术-乐观准则,悲观准则,后悔准则 最大最大(max-max)准则  最大最大准则也称乐观准则,它找出每种行动的最好结果,再从最好结果中找一个更好的做为选择:  u(Ai*) = maxi maxj aij...
  • 风险下的决策分析:展望理论

    千次阅读 2006-07-11 10:50:00
    但大额的博彩却对很多人有强烈的吸引力,而这种对大数额赌博的风险追逐行为是传统的经济学分析所不能解释的,因为传统经济学是建立在风险规避假设(risk aversion)基础上的(注:给定两种选择A和B,A是一个期望值为x...
  • 决策矩阵分析

    千次阅读 2018-11-06 10:26:28
    网格分析,也被称为是决策矩阵分析,是由英国管理学家斯图尔特•普提出的一种多因素辅助决策工具。因此该方法也被称为普氏分析或者多因素辅助分析。...网格分析是多种影响因素的决策分析最简单的一种形式,也被称为...
  • 决策分析

    千次阅读 2018-12-12 13:42:50
    关于决策树的分析 ok lets go! 我们来从头捋一捋决策树,它的作用,它的机理,它的生成算法等等。 首先是作用,我用自己的理解来和大家解释下,所谓决策树可以把它看成是一堆决策,这些决策就像是我们在写代码时的...
  • ID3决策树原理分析及python实现

    千次阅读 多人点赞 2017-10-08 09:08:53
    决策分析中,一个决策树可以用于可视化和显示地表示决策和决策制定的过程。顾名思义,它使用树状的决策模型,这也是本次分享我们所关注的重点。什么是决策树那么到底什么才是决策树呢?我们采用wiki上的一段定
  • 决策树案例分析

    千次阅读 2018-07-11 11:09:24
    机器学习在各个领域都有广泛的应用,特别在数据分析领域有着深远的影响。决策树是机器学习中最基础且应用最广泛的算法模型。本文介绍了机器学习的相关概念、常见的算法分类和决策树模型及应用。通过一个决策树案例,...
  • 数字冰雹的智慧城市大数据可视化决策分析系统,能够将城市运行核心系统的各项关键数据进行可视化呈现,从而对包括应急指挥、城市管理、公共安全、环境保护、智能交通、基础设施等领域进行管理决策支持,进而实现城市...
  • 决策树实现鸢尾数据集分析 决策树算法根据数据的属性采用树状结构建立决策模型, 决策树模型常用来解决分类和回归问题。常见的算法包括:分类及回归树, ID3, C4 等 希望这篇文章对你有所帮助,尤其是刚刚接触数据...
  • 【数据分析决策树案例详解

    万次阅读 多人点赞 2018-06-20 14:28:51
    文章来源:公众号-智能化IT系统。初识决策决策树是一个类似于人们决策过程的树结构,从根节点开始,每个分枝代表一个新的决策事件,会生成两个或多个分枝,每个叶子代表一个...决策树流程我们在实际的大数据分析...
  • R语言决策分析

    千次阅读 2019-12-16 18:51:41
    二、决策分析 > str ( diamonds ) Classes ‘tbl_df’ , ‘tbl’ and 'data.frame' : 53940 obs . of 10 variables : $ carat : num 0.23 0.21 0.23 0.29 0.31 0.24 0.24 0.26 ...
  • 09#R语言实现决策分析

    万次阅读 2016-08-24 15:08:20
    决策树是附加概率结果的一个树状的决策图,是直观的运用统计概率分析的图法。机器学习中决策树是一个预测模型,它表示对象属性和对象值之间的一种映射,树中的每一个节点表示对象属性的判断条件,其分支表示符合节点...
  • R语言——一秒决策分析

    千次阅读 2019-02-23 21:16:08
    决策分析 1.文档读取 data &lt;- read.csv(file.choose(),header=TRUE) &lt;/cenetr&gt; View(data) 2.建立训练数据与测试数据 set.seed(12345) select &lt;- sample(1:nrow(data),nrow(data)*...
  • 用Excel建模进行决策分析

    千次阅读 2019-09-29 12:58:32
    决策树(Decision Tree)在机器学习中也是比较常见的一种算法,最早的决策树算法是ID3,改善后得到了C4.5算法,进一步改进后形成了我们现在使用的C5.0... 本文在Excel中建模进行决策分析,属于基础的决策树学习,有...
  • 使用决策树与随机森林预测糖尿病 ...分析不同特征的重要性 (作笔记使用,如有错误,欢迎指正!) 导入数据: import pandas as pd data = pd.read_csv('./datasets.csv') data.head() 标题解释: ...
  • DecisionCurve决策曲线分析

    千次阅读 2019-09-21 17:56:44
    这里有一份示例数据,是NHLBI(美国国家心肺血液研究所)的Framingham心脏研究专项数据集的一个子集,4000多个样本。 自变量分别为性别(sex)、收缩压(sbp)、舒张压(dbp)、血清胆固醇(scl)、年龄(age)、...
  • 一般BI商业智能解决方案都包含财务、销售、客户等分析模块,本文分享的是某大型服装集团通过帆软FineBI建设的BI决策系统。该决策系统主要针对财务、资金、采购、生产、库存、物流、销售、渠道、产品、客户等主题与...
  • SPSS分类分析决策

    千次阅读 2017-11-03 09:46:00
    SPSS分类分析决策树 一、决策树(分析-分类-决策树) “决策树”过程创建基于树的分类模型。它将个案分为若干组,或根据自变量(预测变量)的值预测因变量(目标变量)的值。此过程为探索性和证实性分类分析提供...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 298,184
精华内容 119,273
关键字:

决策分析