机器学习在党政干部日常考核模型权重赋值中的运用

摘要：

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。

关键词：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

分类号：D630.3(国家行政管理)

资助基金：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

在线出版日期：2015-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：28-31