精华内容
下载资源
问答
  • 针对风电企业中设备维护数据分散且知识结构互异, 难以综合判断设备整体状况的问题, 提出了基于本体的多源异构信息融合方法以实现设备健康状态的多准则评价。该方法将各数据源的知识以扩展公共本体的形式进行建模, ...
  • 其次,在基于样本前沿面的投入型评价模型基础上提出了同时面向输入和输出的多准则评价模型,并对该模型的有效性理论,相对效率评价指数和投影分析作了进一步探讨;最后通过实例表明了基于样本前沿面的多准则评价模型...
  • 论文研究-多准则综合评价.pdf, 本文提出一种综合评价-多准则效用法。这种方法的特点是评价精度高, 能充分体现评价目标及“偏好结构”.最后, 给出一个评价实例。
  • 论文研究-多准则决策评价系统设计.pdf, 针对产品设计中方案设计与评价的复杂的决策问题 ,研究并设计了基于知识的 ,有限方案的多准则决策评价系统 .文章从系统的体系结构...
  • 分类模型评价准则整理

    千次阅读 2019-08-16 17:38:19
    机器学习或者是日常生活中,遇见的往往是二分类问题比较,二分类模型的模型评价准则,Auc_score,F1_score,accuracy等等都是比较常用的。而针对分类问题来说,有些二分类的评价准则就相对而言不怎么适用了。...

    机器学习或者是日常生活中,遇见的往往是二分类问题比较多,二分类模型的模型评价准则很多,Auc_score,F1_score,accuracy等等都是比较常用的。而针对多分类问题来说,有些二分类的评价准则就相对而言不怎么适用了。虽然可以将多分类问题转化为多个2vs2问题进行讨论,步骤繁杂的同时效果也得不到保障。目前在进行多模态的一个分类研究,在模型评价时也废了不少脑筋,所以在这里将看到的比较常用的多分类评价准则进行整理,便于日后学习。
    评价准则1:Kappa系数
    Kappa系数是基于混淆矩阵的计算得到的模型评价参数。计算公式如下:

     

    image.png

     

    image.png

     

    image.png

     

    系数的值在-1到1之间,系数小于0的话实际上就相当于随机了。
    python实现为:

    
    from sklearn.metrics import cohen_kappa_score
    kappa = cohen_kappa_score(y_true,y_pred,label=None) #(label除非是你想计算其中的分类子集的kappa系数,否则不需要设置)
    
    

    2.海明距离
    海明距离也适用于多分类的问题,简单来说就是衡量预测标签与真实标签之间的距离,取值在0~1之间。距离为0说明预测结果与真实结果完全相同,距离为1就说明模型与我们想要的结果完全就是背道而驰。公式就不贴了(0*0 原谅我太懒),直接来python实例。

    
    from sklearn.metrics import hamming_loss
    ham_distance = hamming_loss(y_true,y_pred)
    
    

    3.杰卡德相似系数
    它与海明距离的不同之处在于分母。当预测结果与实际情况完全相符时,系数为1;当预测结果与实际情况完全不符时,系数为0;当预测结果是实际情况的真子集或真超集时,距离介于0到1之间。
    我们可以通过对所有样本的预测情况求平均得到算法在测试集上的总体表现情况。

    from sklearn.metrics import jaccard_similarity_score
    jaccrd_score = jaccrd_similarity_score(y_true,y_pred,normalize = default)
    #normalize默认为true,这是计算的是多个类别的相似系数的平均值,normalize = false时分别计算各个类别的相似系数
    
    

    4.铰链损失
    铰链损失(Hinge loss)一般用来使“边缘最大化”(maximal margin)。损失取值在0~1之间,当取值为0,表示多分类模型分类完全准确,取值为1表明完全不起作用。

    from sklearn.metrics import hinge_loss
    hinger = hinger_loss(y_true,y_pred)
    
    

    后面看到新的评价准则再来补充。

    展开全文
  • 论文研究-基于案例推理的多准则综合评价.pdf, 案例推理是动态决策环境下求解不良结构问题的常用方法.本文把基于案例的推理方法运用于多准则综合评价中,扩展了传统数学...
  • 机器学习中,遇见的往往是二分类问题比较,二分类模型的模型评价准则,Auc_score,F1_score,accuracy等等都是比较常用的。而针对分类问题来说,有些二分类的评价准则就相对而言不怎么适用了。虽然可以将...

    机器学习中,遇见的往往是二分类问题比较多,二分类模型的模型评价准则很多,Auc_score,F1_score,accuracy等等都是比较常用的。而针对多分类问题来说,有些二分类的评价准则就相对而言不怎么适用了。虽然可以将多分类问题转化为多个2vs2问题进行讨论,步骤繁杂的同时效果也得不到保障。目前在进行多模态的一个分类研究,在模型评价时也废了不少脑筋,所以在这里将看到的比较常用的多分类评价准则进行整理,便于日后学习。

    评价准则

    在这里插入图片描述

    from sklearn.metrics import cohen_kappa_score
    kappa = cohen_kappa_score(y_true,y_pred,label=None) #(label除非是你想计算其中的分类子集的kappa系数,否则不需要设置)
    
    

    2.海明距离

    海明距离也适用于多分类的问题,简单来说就是衡量预测标签与真实标签之间的距离,取值在0~1之间。距离为0说明预测结果与真实结果完全相同,距离为1就说明模型与我们想要的结果完全就是背道而驰。python实例如下。

    from sklearn.metrics import hamming_loss
    ham_distance = hamming_loss(y_true,y_pred)
    
    

    3.杰卡德相似系数

    它与海明距离的不同之处在于分母。当预测结果与实际情况完全相符时,系数为1;当预测结果与实际情况完全不符时,系数为0;当预测结果是实际情况的真子集或真超集时,距离介于0到1之间。
    我们可以通过对所有样本的预测情况求平均得到算法在测试集上的总体表现情况。

    from sklearn.metrics import jaccard_similarity_score
    jaccrd_score = jaccrd_similarity_score(y_true,y_pred,normalize = default)
    #normalize默认为true,这是计算的是多个类别的相似系数的平均值,normalize = false时分别计算各个类别的相似系数
    
    

    4.铰链损失

    铰链损失(Hinge loss)一般用来使“边缘最大化”(maximal margin)。损失取值在0~1之间,当取值为0,表示多分类模型分类完全准确,取值为1表明完全不起作用。

    from sklearn.metrics import hinge_loss
    hinger = hinger_loss(y_true,y_pred)
    
    
    展开全文
  • 图像质量的评价准则

    2013-05-15 23:01:11
    图像质量的评价准则
  • 多准则决策分析应用于医疗保险报销的系统评价.pdf
  • 论文研究-多人多准则模糊层次分析法的物流中心综合评价优选模型.pdf, 运用模糊决策理论,把传统的层次分析法扩展为多人多准则的模糊层次分析法模型,并将其运用于物流中心...
  • 论文研究-矿井设计多准则变权综合评价模型研究.pdf,
  • 数模问题,模糊层次分析法,多人多准则,综合评价选优模型。
  • 互信息特征评价准则

    千次阅读 2019-09-04 16:43:00
    1、信息增益准则 对一个特征而言,系统有它和没有它时信息量将发生变化,而前后信息量的差值就是这个特征给系统带来的信息量,即增益。衡量标准是看特征能够为分类系统带来多少信息,带来的信息越,该特征越重要...

    本文引自西北工业大学杨宏晖老师的《模式识别之特征选择》

    1、信息增益准则

    对一个特征而言,系统有它和没有它时信息量将发生变化,而前后信息量的差值就是这个特征给系统带来的信息量,即增益。衡量标准是看特征能够为分类系统带来多少信息,带来的信息越多,该特征越重要。

    识别系统中,特征的信息增益就是一个特征与类别的互信息,该互信息值越大,说明该特征与类别越相关,即该特征包含的分类信息越多,该特征也越重要,根据重要性对特征进行排序,如下式所示:

    eval=I(f;C)=H(C)-H(C|f)

    2、最大相关最小冗余

    我们定义一个特征与其他特征的互信息的平均值为冗余度,结合信息增益准则,得到最大相关最小冗余性准则,如下式所示:

    eval=I(f_i;C)-\beta\sum_{j=1}^{i-1}I(f_i;f_j)

    信息增益准则可以计算特征和类别之间的相关度,但仅根据“最大相关性”可能存在冗余特征,因而加入“最小冗余性”条件以便选择互斥的特征,因为当两个特征高度依赖时,去除其中的一个特征对系统的分类能力影响不大,而且去除冗余特征可以减少学习算法的计算量,加快识别系统处理时间。因此在信息增益的基础上减去加权的冗余度(其中权值根据数据集中冗余特征的程度进行设定),得到特征评价函数。

    3、互信息混合评价准则

    从上述内容可以看到,互信息对特征提供了多角度的评价函数。在特征选择中,我们不仅要找到对分类贡献最大的特征,同时希望找到那些可以为这些特征提供补充信息的特征,并删除冗余特征。下式提出了将特征与类别的互信息与最大条件混信息混的特征评价准则。这个准则的应用是:利用特征与类别的互信息评价出最优特征,再以此特征为条件,找出和它互补并包含最多分类信息的特征,并删除冗余特征。

    eval=I(f_i;C)-\beta\sum_{j=1}^{i-1}I(f_i;f_j)-\gamma \sum_{j=1}^{i-1}I(f_i;f_j|C)

    展开全文
  • 在没有决策者对各准则偏好信息的情况下, 以最小化准则冗余度和最大化评价差异度为原则建立目标优化模型对准则权重向量优化求解. 仿真实验结果表明, 相比于单准则和单层次的融合方法, 所提出方法具有更低的决策...
  • 面向未来巨大差异化的业务、...而从KBI角度的牵引,可能是可选的终结性、归一化的评价准则。需要指出的是,要从深度和广度上做好这些工作,需要跨学科、跨领域的深入研究,需要跨网络不同节点间的密切协同、跨层设计。
  • 卓越绩效评价准则实施指南.doc
  • 针对评价准则权重信息不完全的群体多准则决策问题,首先利用方案满意度模型,对备选方案集中的每一个方案建立以最大化该方案满意度为目标的线性规划模型,得到一组权重向量,然后利用群决策中的相关集结方法将这组...
  • 管吧小编带来一篇运输部运输供方选择评价准则,在日常生活工作中需要用的朋友可以来使用,通过运输部运输...该文档为运输部运输供方选择评价准则,是一份很不错的参考资料,具有较高参考价值,感兴趣的可以下载看看
  • 下文讲的AHP TOPSISI EDA RSR 模糊综合评价法等这些选择方法都属于多准则决策方法。 多准则决策是指在具有相互冲突、不可共度的有限(无限)方案集中进行选择的决策。多准则决策根据决策方案是有限还是无限,而分为...

    下文讲的AHP TOPSISI EDA RSR 模糊综合评价法等这些选择方法都属于多准则决策方法。

    多准则决策是指在具有相互冲突、不可共度的有限(无限)方案集中进行选择的决策。多准则决策根据决策方案是有限还是无限,而分为多属性决策(MADM)与多目标决策(MODM )两大类。

    1. 多属性决策

      多属性决策也称有限方案多目标决策,是指在考虑多个属性的情况下,选择最优备选方案或进行方案排序的决策问题,它是现代决策科学的一个重要组成部分。它的理论和方法在工程、技术、经济、管理和军事等诸多领域中都有广泛的应用。

    2. 多目标决策

      多目标决策是指需要同时考虑两个或两个以上目标的决策。如某企业要在几种产品中选择一种产品生产,就既要考虑获利大小,又要考虑现有设备能否生产以及原材料供应是否充足等因素来选择其中一种,只有使这些相互联系和相互制约的因素都能得到最佳的协调、配合和满足,才是最优的决策。

    这些都是自己学习的时候看过的博文和视频,这些博文和视频都会结合一个实例来讲解这些方法,容易理解和上手。

    • 层次分析法(AHP)

    https://zhuanlan.zhihu.com/p/38207837

    https://blog.csdn.net/weixin_41806692/article/details/82415621

    • 优劣解距离法(TOPSIS)

    https://zhuanlan.zhihu.com/p/37738503

    • 模糊综合评价法

    https://zhuanlan.zhihu.com/p/32666445

    • 数据包络分析法(EDA)

    https://www.bilibili.com/video/BV1FA411h7uW

    • 秩合比综合评价法(RSR)

    https://www.bilibili.com/video/BV16V411f7DN

    其实多准则决策方法是数学建模的一个分支——评价与决策,常用的评价与决策方法如下:

    在这里插入图片描述

    展开全文
  • 图像分割MICCAI评价准则c语言源代码 可用于图像相似度计算
  • GPS高程拟合方法及评价准则研究.pdf
  • 根据最小机会损失准则提出了一种新的组合评价方法——最小机会损失组合评价方法。该方法运用最小机会损失原则处理各单一评价方法的结果值,用组合机会损失值到最小机会损失值距离最小的思想建立模型,计算出权重,...
  • 使用多准则GIS模型来选择替代合适的区域,用于工程垃圾填埋场的建设。 标准GIS建模确定了Tarkwa地区十四(14)个适合填埋场选址的区域。 选择位于Domeabra的地点是因为它靠近Tarkwa,Nsuta和Aboso的邻近社区。 ...
  • 软件架构的评价准则

    千次阅读 2010-10-13 22:01:00
    对于一个软件系统架构优劣的分析,总要有一些准则,以下是一些粗略的标准: 1. 系统性能 2. 可靠性(容错/健壮性) 3. 可用性 4. 安全性 5. 可修改性(可维护性,可扩展性,结构重组,可...
  • 佛山市城市规划的交通影响评价技术准则(2015年实施)是佛山市对城市规划中交通影响评估的内容的技术准则和标准。
  • 无需先验知识的红外显著性目标分割评价准则
  • 由于平均偏离距和偏离距标准差采用遗传算法次运行结果的统计参数来评价算法的性能,因此能够较好地消除随机因素对算法性能的影响。同时,应用所提出的评价准则研究了二进制码和格雷码对遗传算法优化性能的影响。...
  • 1.面向用户(User-oriented)的准则评价 (1)周转时间(Turnaround Time)短 它是评价批处理系统的重要性能指标。作业周转时间Ti是指从作业提交给系统开始, 到作业完成为止的这段时间间隔。 周转时间 Ti = ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 24,131
精华内容 9,652
关键字:

多准则评价