深入剖析數據建模:如何準確反映綜合評價
2023-12-15 18:16:32
次
綜合評價是將多個評價指標轉化成一個能反映整體情況的綜合指標,以對評價對象進行優劣排序或分檔。如工業經濟效益綜合評價、小康生活水平綜合評價、科技進步的綜合評價、國家(地區)的綜合實力評價、和諧社會評價等。
在進行綜合評價分析時,建立一個較為完善和準確的評價模型是很重要的。模型的建立需要建立一個適當的評價指標體系,并且需要計算每個指標在綜合評價中的權重。這樣才能保證最終的綜合指標準確反映評價對象的真實情況。
綜合評價的基本思路包括:
(1)明確評價目標,選擇評價對象;
(2)建立評價指標體系;
(3)確定評價指標的權重;
(4)選擇合適的綜合評價方法;
(5)計算綜合評價值,對評價對象進行排序和歸檔。
綜合評價分析步驟如下:
第一步接入數據:
綜合評價算法要求接入結構化數據。必須設置評價目標,為離散型(字符),且該列不允許有重復值;也必須設置評價因素,為連續型(數值)。若接入的數據不滿足綜合評價分析的數據要求,可以通過屬性變化節點進行數據類型轉換或重新接入數據。
第二步建立數據模型:
根據業務分析方案和處理后的分析數據建立相應的綜合評價模型。平臺內置4種綜合評價算法可以直接拖拽使用,并配置對應的模型參數,包括:熵值法、TOPSIS、層次分析法和模糊綜合評價法。比如TOPSIS,我們需要設置如下內容:
- 評價目標:設置評價目標列作為評價目標的唯一標識
- 評價因素:設置對目標進行綜合評價有影響的變量
- 最優方向:設置對目標進行綜合評價時各評價因素的最優方向
- 權重:設置評價因素的權重,權重越大,該評價因素對最后的綜合評價的貢獻越大。取值范圍:[0,1.0],默認值為0.1。
- 最優方向批處理:批量設置各評價因素的最優方向。
完成上述建模之后執行流程,流程執行成功后自動跳轉至洞察頁面,在洞察頁面點擊可以查看模型的分析結果,我們通過示例流程來詳細介紹。點擊【TOPSIS】查看綜合評價結果,模型結構圖的根節點為評價對象(每個學生ID),葉子節點為評價指標(Chinese、Math、English、Physics每門課的成績)。
再來看TOPSIS綜合評價結果數據集,最后一列屬性“prediction”為綜合得分。
綜合評價分析是一項重要的數據分析和數據挖掘任務。通過數據建模,可以建立一個準確的評價模型,以便更真實地反映評價對象的整體情況。正如我們所看到的,數據建模涉及到多種數據分析和數據挖掘技術,例如層次分析法、熵值法、TOPSIS法和模糊綜合評價法等。只有通過精心設計和分析,我們才能建立一個準確和可靠的評價模型,為決策者提供更有用的洞察和支持。