10.3969/j.issn.1008-9187.2015.03.005
机器学习在党政干部日常考核模型权重赋值中的运用
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。
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
D630.3(国家行政管理)
国家自然科学基金项目“基于微观分析和精细优化的预失真线性化方法”61471005
2015-05-25(万方平台首次上网日期,不代表论文的发表时间)
共4页
28-31