深入剖析数据建模:如何准确反映综合评价
2023-12-15 18:16:32
次
综合评价是将多个评价指标转化成一个能反映整体情况的综合指标,以对评价对象进行优劣排序或分档。如工业经济效益综合评价、小康生活水平综合评价、科技进步的综合评价、国家(地区)的综合实力评价、和谐社会评价等。
在进行综合评价分析时,建立一个较为完善和准确的评价模型是很重要的。模型的建立需要建立一个适当的评价指标体系,并且需要计算每个指标在综合评价中的权重。这样才能保证最终的综合指标准确反映评价对象的真实情况。
综合评价的基本思路包括:
(1)明确评价目标,选择评价对象;
(2)建立评价指标体系;
(3)确定评价指标的权重;
(4)选择合适的综合评价方法;
(5)计算综合评价值,对评价对象进行排序和归档。
综合评价分析步骤如下:
第一步接入数据:
综合评价算法要求接入结构化数据。必须设置评价目标,为离散型(字符),且该列不允许有重复值;也必须设置评价因素,为连续型(数值)。若接入的数据不满足综合评价分析的数据要求,可以通过属性变化节点进行数据类型转换或重新接入数据。
第二步建立数据模型:
根据业务分析方案和处理后的分析数据建立相应的综合评价模型。平台内置4种综合评价算法可以直接拖拽使用,并配置对应的模型参数,包括:熵值法、TOPSIS、层次分析法和模糊综合评价法。比如TOPSIS,我们需要设置如下内容:
- 评价目标:设置评价目标列作为评价目标的唯一标识
- 评价因素:设置对目标进行综合评价有影响的变量
- 最优方向:设置对目标进行综合评价时各评价因素的最优方向
- 权重:设置评价因素的权重,权重越大,该评价因素对最后的综合评价的贡献越大。取值范围:[0,1.0],默认值为0.1。
- 最优方向批处理:批量设置各评价因素的最优方向。
完成上述建模之后执行流程,流程执行成功后自动跳转至洞察页面,在洞察页面点击可以查看模型的分析结果,我们通过示例流程来详细介绍。点击【TOPSIS】查看综合评价结果,模型结构图的根节点为评价对象(每个学生ID),叶子节点为评价指标(Chinese、Math、English、Physics每门课的成绩)。
再来看TOPSIS综合评价结果数据集,最后一列属性“prediction”为综合得分。
综合评价分析是一项重要的数据分析和数据挖掘任务。通过数据建模,可以建立一个准确的评价模型,以便更真实地反映评价对象的整体情况。正如我们所看到的,数据建模涉及到多种数据分析和数据挖掘技术,例如层次分析法、熵值法、TOPSIS法和模糊综合评价法等。只有通过精心设计和分析,我们才能建立一个准确和可靠的评价模型,为决策者提供更有用的洞察和支持。