党政研究
黨政研究
당정연구
2015年
3期
28~31
,共null页
机器学习 干部考核 权重赋值 层次结构模型 支持向量机模型
機器學習 榦部攷覈 權重賦值 層次結構模型 支持嚮量機模型
궤기학습 간부고핵 권중부치 층차결구모형 지지향량궤모형
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。
機器學習方法在領導榦部日常攷覈指標體繫設置中被廣汎運用。層次結構模型（AHP＆FAHP）的基本思路是將複雜問題分解為若榦層次和若榦要素，通過簡單比較、判斷和計算，穫得不同要素的權重，最後通過加權求和做齣最優選擇。而SVM作為一種新興的機器學習方法，也逐漸被引入到領導榦部日常攷覈的指標設計之中。SVM的原則是結構風險最小化，在樣本分類誤差儘可能小的前提下，充分提高分類器的汎化推廣能力，這有助于解決小樣本、非線性以及高維模式識彆問題；文章總結和比較瞭AHP、FAHP、SVM三種模型的理論基礎和基本方法，試圖為領導榦部日常攷覈提供理論依據。
궤기학습방법재령도간부일상고핵지표체계설치중피엄범운용。층차결구모형（AHP＆FAHP）적기본사로시장복잡문제분해위약간층차화약간요소，통과간단비교、판단화계산，획득불동요소적권중，최후통과가권구화주출최우선택。이SVM작위일충신흥적궤기학습방법，야축점피인입도령도간부일상고핵적지표설계지중。SVM적원칙시결구풍험최소화，재양본분류오차진가능소적전제하，충분제고분류기적범화추엄능력，저유조우해결소양본、비선성이급고유모식식별문제；문장총결화비교료AHP、FAHP、SVM삼충모형적이론기출화기본방법，시도위령도간부일상고핵제공이론의거。
