adaboost视角下数据驱动的集成评价及其应用

《adaboost视角下数据驱动的集成评价及其应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号学号２０１５０７７０３０１９学校代码１０４８８密级硕士学位论文ＡｄａＢｏｏｓｔ视角下数据驱动的集成评价及其应用学位申请人：？学科专业：统计学指导教师：龚谊承答辩日期：２０１８年５月ADissertationSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterinScienceDataDrivenIntegrationEvaluationandApplicationfromAd

2、aBoostPerspectiveMasterCandidate：ZhaoJuanMajor：StatisticsSupervisor：AssociateProf.GongYichengWuhanUniversityofScienceandTechnologyWuhan,Hubei430081,P.R.ChinaMay,2018摘要随着大数据时代的到来，数据爆发式增长、不断更新且结构复杂。传统的综合评价已显现出两点不足：一是遇到参数过多、结构过于复杂的数据时建模困难；二是伴随着数据的更新，模型的

3、精准度也会越来越低。为改善这种状况，本文尝试借鉴统计学习中自适应的集成学习Adaboost视角，开发出一个随着数据更新而更新，对数据具有“自适应”的数据驱动评价模型。数据驱动评价的基本理念是：基于不断更新的数据将评价模型改进并集成，使其不断契合数据流、提高模型准确率。基于此理念，本文主要做了两方面的工作。第一，选取多属性决策评价法中常用的Topsis法，在得分公式中添加一个参数，将其改进为可以随数据改变的Topsis法。第二，注意到一个评价模型无法适应如今复杂的数据结构，将适应多指标的主成分和

4、因子分析法与数据驱动的Topsis法看作弱评价模型，然后从AdaBoost视角出发对其集成，得到最终的集成评价模型。最后为检验所构建的评价模型的效果，本文将其应用于微信公众号的影响力评价中。结果表明：数据驱动的Topsis法比传统的Topsis法降低了37.14%的误差率；集成评价模型正确率达88.57%，与Topsis法，数据驱动的Topsis法、主成分法、因子分析法及平均值法相比，分别高出54.28%、17.14%、31.43%、28.57%和62.86%。关键词：集成评价；数据驱动；Top

5、sis法；AdaBoost；综合评价IAbstractWiththeadventofthebigdataage,datahasgrownexplosively,constantlyupdated,andhasacomplexstructure.Thetraditionalcomprehensiveevaluationhasshowntwoshortcomings.First,itisdifficulttomodelwhentherearetoomanyparametersandtoocomple

6、xstructure.Second,theaccuracyofthemodelisgettinglowerandlowerwiththeupdateofthedata.Inordertoimprovethissituation,thispaperattemptstoadopttheself-adaptiveensemblelearningAdaboostperspectiveinstatisticallearningtodevelopadata-drivenevaluationmodelthat

7、is“adaptive”todataasitupdates.Thebasicideaofdata-drivenevaluationistoimproveandintegratetheevaluationmodelbasedoncontinuouslyupdateddata,sothatitcancontinuouslyadapttodataflowandimprovemodelaccuracy.Basedonthisconcept,thisdissertationmainlydoestwoasp

8、ectsofwork.First,theTopsismethodcommonlyusedinthemulti-attributedecisionmakingevaluationmethodisselected,andaparameterisaddedtothescoringformulatoimprovetheTopsismethod,whichcanbechangedwiththedata.Second,Itisnotedthatanevaluationmodelcannotadapttot