10数据处理与数据建模方法

1、2022/8/242011年暑假培训121世纪的社会是信息社会，其影响最终将要比十九世纪由农业社会转向工业社会更加深刻。“一个国家总的信息流的平均增长与工业潜力的平方成正比”。信息资源与自然资源和物质资源被称为人类生存与发展的三大资源。 数据处理与数据建模方法2022/8/242011年暑假培训2 实际中大量信息或海量信息对应着大量的数据或海量数据，从这些数据中寻求所需要的问题答案-数据建模问题。 通过实际对象过去或当前的相关信息，研究两个方面问题： （1）分析研究实际对象所处的状态和特征，依此做出评价和决策； （2）分析预测实际对象未来的变化状况和趋势，为科学决策提供依据。 数据处理与数据建

2、模方法2022/8/242011年暑假培训3 数据处理与数据建模方法 1. 数据建模的一般问题 2. 数据处理的一般方法 3. 数据建模的综合评价方法 4. 数据建模的动态加权方法 . 数据建模的综合排序方法 . 数据建模的预测方法 2022/8/242011年暑假培训4实际对象都客观存在着一些反映其特征的相关数据信息；如何综合利用这些数据信息对实际对象的现状做出综合评价，或预测未来的发展趋势，制定科学的决策方案？-数据建模的综合评价、综合排序、预测与决策等问题。 数据建模一般问题的提出： 一、数据建模的一般问题一般2022/8/242011年暑假培训5综合评价是科学、合理决策的前提。综合评价

3、的基础是信息的综合利用。综合评价的过程是数据建模的过程。数据建模的基础是数据的标准化处理。 一、数据建模的一般问题如何构成一个综合评价问题呢？2022/8/242011年暑假培训6 依据相关信息对实际对象所进行的客观、公正、合理的全面评价。 如果把被评价对象视为系统，则问题： 在若干个(同类)系统中，如何确定哪个系统的运行(或发展)状况好，哪个状况差？即哪个优，哪个劣？ 一类多属性(指标)的综合评价问题。综合评价： 一、数据建模的一般问题2022/8/242011年暑假培训7综合评价问题的五个要素 （1）被评价对象:被评价者，统称为评价系统。 （2）评价指标：反映被评价对象的基本要素，一起构成

4、评价指标体系。原则:系统性、科学性、可比性、可测性和独立性。（3）权重系数：反映各指标之间影响程度大小的度量。 （4）综合评价模型：将评价指标与权重系数综合成一个整体指标的模型。 （5）评价者：直接参与评价的人。2022/8/242011年暑假培训8综合评价过程的流程2022/8/242011年暑假培训9 二、数据处理的一般方法 1. 数据类型的一致化处理方法 极大型:期望取值越大越好； 极小型:期望取值越小越好； 中间型:期望取值为适当的中间值最好; 区间型:期望取值落在某一个确定的区间 内为最好。 什么是一致化处理?为什么要一致化?2022/8/242011年暑假培训10 二、数据处理的一

5、般方法 1. 数据类型的一致化处理方法 2022/8/242011年暑假培训11 二、数据处理的一般方法 1. 数据类型的一致化处理方法 2022/8/242011年暑假培训12 2. 数据指标的无量纲化处理方法 (3)功效系数法： 二、数据处理的一般方法(1)标准差法：(2)极值差法：2022/8/242011年暑假培训13 二、数据处理的一般方法 3. 模糊指标的量化处理方法 在实际中，很多问题都涉及到定性，或模糊指标的定量处理问题。 诸如:教学质量、科研水平、工作政绩、人员素质、各种满意度、信誉、态度、意识、观念、能力等因素有关的政治、社会、人文等领域的问题。 如何对有关问题给出定量分析

6、呢？2022/8/242011年暑假培训14按国家的评价标准,评价因素一般分为五个等级，如A，B，C，D，E。 如何将其量化？若A-，B+，C-，D+等又如何合理量化？ 根据实际问题，构造模糊隶属函数的量化方法是一种可行有效的方法。 二、数据处理的一般方法 3. 定性指标的量化处理方法 2022/8/242011年暑假培训15假设有多个评价人对某项因素评价为A，B，C，D,E共5个等级: v1 ,v2 ,v3 ,v4,v5。 譬如：评价人对某事件“满意度”的评价可分为很满意，满意，较满意，不太满意，很不满意将其5个等级依次对应为5，4，3，2，1。 这里为连续量化，取偏大型柯西分布和对数函数作

7、为隶属函数： 二、数据处理的一般方法2022/8/242011年暑假培训16 二、数据处理的一般方法 3. 定性指标的量化处理方法 2022/8/242011年暑假培训17 二、数据处理的一般方法 3. 定性指标的量化处理方法 根据这个规律，对于任何一个评价值，都可给出一个合适的量化值。 据实际情况可构造其他的隶属函数。如取偏大型正态分布。2022/8/242011年暑假培训18 模糊定性指标量化的应用案例（1）CUMCM2003-A,C:SARS的传播问题（2）CUMCM2004-D:公务员招聘问题；（3）CUMCM2005-B:DVD租赁问题；（4）CUMCM2008-B:高教学费标准探讨

8、问题；（5）CUMCM2008-D:NBA赛程的分析与评价问题；（6）CUMCM2009-D:会议筹备问题。2022/8/242011年暑假培训19 三、数据建模的综合评价方法 适用条件:各评价指标之间相互独立。 对不完全独立的情况，其结果将导致各指标间信息的重复，使评价结果不能客观地反映实际。 1. 线性加权综合法 主要特点： （1）各评价指标间作用得到线性补偿； （2）权重系数的对评价结果的影响明显。2022/8/242011年暑假培训20 2. 非线性加权综合法 三、数据建模的综合评价方法主要特点：（1）突出了各指标值的一致性，即平衡评价指标值较小的指标影响的作用；（2）权重系数大小的影

9、响不是特别明显，而对指标值的大小差异相对较敏感。2022/8/242011年暑假培训21 三、数据建模的综合评价方法 3. 逼近理想点（TOPSIS）方法 2022/8/242011年暑假培训22 三、数据建模的综合评价方法 3. 逼近理想点（TOPSIS）方法 2022/8/242011年暑假培训23返回 三、数据建模的综合评价方法 3. 逼近理想点（TOPSIS）方法 2022/8/242011年暑假培训24 综合评价方法的应用案例（1）CUMCM1993-B:足球队排名问题；（2）CUMCM2001-B:公交车调度问题；（3）CUMCM2002-B:彩票中的数学问题；（4）CUMCM20

10、04-D:公务员招聘问题；（5）CUMCM2005-A:长江水质的评价和预测问题；（6）CUMCM2005-C:雨量预报方法评价问题；（7）CUMCM2006-B:艾滋病疗法评价与预测问题；（8）CUMCM2007-C:手机“套餐”优惠几何问题；（9）CUMCM2008-B:高教学费标准探讨问题；（10）CUMCM2008-D:NBA赛程的分析与评价问题；（11）CUMCM2009-D:会议筹备问题。2022/8/242011年暑假培训25 四、数据建模的动态加权综合评价方法 1. 动态加权问题的一般提法 问题:如何对n个系统做出综合评价呢?2022/8/242011年暑假培训26 四、数据建

11、模的动态加权方法 注意: 问题对于每一个属性而言，既有不同类别的差异，同类别的又有不同量值的差异。 对于既有“质差”，又有“量差”的问题，合理有效的方法是动态加权综合评价方法。 1. 动态加权问题的一般提法 2022/8/242011年暑假培训27 四、数据建模的动态加权方法2. 动态加权函数的设定 2022/8/242011年暑假培训28 四、数据建模的动态加权方法2. 动态加权函数的设定 2022/8/242011年暑假培训29返回 四、数据建模的动态加权方法2. 动态加权函数的设定 2022/8/242011年暑假培训30 四、数据建模的动态加权方法3. 动态加权的综合评价模型 2022

12、/8/242011年暑假培训31 五、数据建模的综合排序方法 1. 综合排序问题的一般提法 问题:如何给出n个系统的最终排序结果呢?2022/8/242011年暑假培训32 五、数据建模的综合排序方法 2. 综合排序问题的方法 2022/8/242011年暑假培训33 动态加权与综合排序的应用案例动态加权的综合排序案例：（1）CUMCM2002-B:彩票中的数学问题；（2）CUMCM2005-A:长江水质的评价和预测问题；综合评价的排序案例：（1）CUMCM1993-B:足球队排名问题；（2）CUMCM2008-D:NBA赛程的分析与评价问题；（3）CUMCM2009-D:会议筹备问题。202

13、2/8/242011年暑假培训34 六、数据建模的常用预测方法1.插值与拟合方法：小样本内部预测；应用案例：（1）CUMCM2001-A:血管的三维重建问题；（2）CUMCM2003-A,C:SARS的传播问题；（3）CUMCM2004-C:饮酒驾车问题；（4） CUMCM2005-A:长江水质的评价与预测；（5） CUMCM2005-D:雨量预报方法的评价；（6） CUMCM2006-B:艾滋病疗法的评价与预测。2022/8/242011年暑假培训35 六、数据建模的常用预测方法2.回归模型方法：大样本的内部预测；应用案例：（1）CUMCM2004-A:奥运临时超市网点设计；（2）CUMCM2004-B:电力市场的输电阻塞管理；（3）CUMCM2005-A:长江水质的评价与预测；（4）CUMCM2006-B:艾滋病疗法的评价与预测；（5）CUMCM2008-B:高教学费标准探讨问题。2022/8/242011年暑假培训36 六、数据建模的常用预测方法3.灰预测GM(1,1)：小样本的未来预测；（1）CUMCM2003