机器学习计算权重的方法.docVIP

机器学习计算权重的算法 路璐 用机器学习来计算权重，有一定的优势，这种计算模型可以根据环境和调节的变化，所算的权重也随着变化，达到与时俱进的效果。 对于已经设定好指标的被评估主体，指标体系中各指标有不同的量纲，需要转换为无量纲的标准化指标，关于评估指标标准化方法，在以前的总结中诠释过：评估指标分为正向型和逆向型。正向型具有越大越优的性质，逆向型是越小越优的性质。在fj（1≤j≤n）个评估指标中，m个评估方案（待评）ai（1≤i≤m）,m个方案n个指标构成矩阵X=（xij）m*n叫做评估矩阵。在评估矩阵中，对于正向指标，取xj*=max1≤i≤m（xij）≠0,则yij=xijxj*,( 1≤i≤m, 1≤j≤n);对于逆向型指标，取xj*=mix 把评估过程按层次分为输入、隐含层和输出，每层间是全互联方式，同层间没有连接。设输入向量为X∈Rn,X=(x1,x2,….xn,)T;隐含层Z∈Rj, Z=(z1,z Zj =f(i=1nW Yk =f(j=1lW 函数f（*）满足f（uj）= 如果近似映照函数是F，X为n维空间的有界子集，F（x）为m维空间有界子集，Y=F（x）为： F：X?R 通过P个实际的映照对（x1，y1），（x2，y2），……（xp，yp）的训练，目的是得到权重Wij， 训练后得到权重，对其他不属