机器学习在党政干部日常考核模型权重赋值中的运用  

作　　者：秦博[1,2] 徐浩铭[3] 

机构地区：[1]中共四川省委省直机关党校 [2]复旦大学社会学系 [3]中共成都市委党校

出　　处：《党政研究》2015年第3期28-31,共4页Studies on Party and Government

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)

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[政治法律—政治学]