-
题名分类预测中变量相对重要性的度量
被引量：3
- 1
-
-
作者
高峰
姚新武
-
机构
北京特恩斯市场研究咨询有限公司
-
出处
《统计与决策》
CSSCI
北大核心
2018年第7期80-84,共5页
-
文摘
进行分类预测时,研究人员往往也想要知道预测变量对模型构建的相对重要性。此时,常见的动因分析方法（譬如多元回归）要么不适用,要么因复杂而难以应用,因为预测变量经常是混杂了名义、次序、连续型尺度被测量的。文章运用起源于合作博弈论的Shapley值法,开创性地通过分解与每一个预测变量相关的预测准确度（即正判率）来度量它们的相对重要性,从而避免额外引入某种动因分析方法。原理陈述和实例验证都表明,该方法本身易于理解,其结果具有解释性和有效性。
-
关键词
预测准确度
变量重要性
Shapley值分解
净效应
-
分类号
O21
[理学—概率论与数理统计]
-
-
题名分类预测中正判率的改进方法
被引量：2
- 2
-
-
作者
高峰
姚新武
-
机构
北京特恩斯市场研究咨询有限公司
-
出处
《统计与决策》
CSSCI
北大核心
2017年第12期21-24,共4页
-
文摘
评估分类预测模型优良性的做法是衡量其预测准确度,即正判率。文章从四个不同角度,构建基于混合策略的组合预测模型、持续学习的朴素贝叶斯分类器、变量集预处理、分阶段逐步实施的分类预测模型,讨论了如何审慎地选择或以恰当的方式运用一种或几种合适的分类算法,来有效地提升分类预测的正判率。其中,基于混合策略的组合预测模型对正判率的提升幅度明显,而持续学习的朴素贝叶斯分类器对模型优化也显得简单而有效。
-
关键词
分类预测
正判率
判别分析
朴素贝叶斯分类器
-
Keywords
classification prediction
predictive accuracy
discriminant analysis
naive Bayes classifier
-
分类号
O211.67
[理学—概率论与数理统计]
-
