机器学习计算权重的方法.docx

机器学****计算权重的算法
用机器学****来计算权重，有一定的优势，这种计算模型可以 根据环境和调节的变化，所算的权重也随着变化，达到与时俱进 的效果。
对于已经设定好指标的被评估主体，指标体系中各指标有不 同的量纲，需要转换为无量纲的标准化指机器学****计算权重的算法
用机器学****来计算权重，有一定的优势，这种计算模型可以 根据环境和调节的变化，所算的权重也随着变化，达到与时俱进 的效果。
对于已经设定好指标的被评估主体，指标体系中各指标有不 同的量纲，需要转换为无量纲的标准化指标，关于评估指标标准 化方法，在以前的总结中诠释过：评估指标分为正向型和逆向型。 正向型具有越大越优的性质，逆向型是越小越优的性质。在f (1 j
<j<n )个评估指标中，m个评估方案(待评)ai ( 1<i<m ) ,m 个方案n个指标构成矩阵X二(x.) 叫做评估矩阵。在评估矩
ij m*n
阵中，对于正向指标，取x.* = max ( x..)工0,则y..=汕(1<i<
j 1<i<m ij ij Xj*
m, 1<j<n);对于逆向型指标，取x.* = mix ( x..),则y.. =Xj*,( 1
j 1<i<m .. .. x..
<i<m, 1<j<n)。矩阵Y二(y.) 称为线性比例标准化矩阵，
.. m*n
经过线性化指标满足0<y <1O并且正向和逆向型指标均化为正
..
向指标，最好值为1，最差值为0.
把评估过程按层次分为输入、隐含层和输出，每层间是全互 联方式”同层间没有连接。设输入向量为XeRn,X=(x x ■■■■ X )T；
1, 2, n,
隐 含 层 Z e R. , Z= (z z …. z )T ; 输 出 层 有 Y e Rm ，
1, 2, .,
Y=(y y ■…y)T。输入和隐含层权重为W..，阈值为P.；隐含层
1, 2, m, .. .
和输出权重为,阈值为p。可得到输出应满足：
jk k
Z =f(Sn W..X.-P.)
j i=1 ij i j
Yk=f(» WjkZj-pk)
k j=1 jk j k
函数f ( * )满足f( uj ) = 1
J 1+e-u
如果近似映照函数是F，X为n维空间的有界子集，F(x)为 m维空间有界子集，Y=F(x )为：F: XCRn t YCRm
通过P个实际的映照对(xi，yi)( X2，y2), ( xp，yp)
的训练，目的是得到权重W，W和阈值p.，p ( i = 1,2……n ;
ij ik j k
j = 1,2，……，l ； k=1,2，……m )映射成功后，寻找一个F，进 行n维输入向量到m维输出向量空间的变换:F :Rn T Rm Y=F(x) 训练后得到权重，对其他不属于P(P=1,2……P)的X子集进行测 试，使结果满足正确的映照。
机器学****的算法是对简单的d学****规律的推广和发展。设输 入学****样本P个，即xi，X2，……Xp，已知与其对应的规律是 T1， T2， … … Tp， 学****算 法 是 根 据 实 际 的 输 出 y1， y2， ……yp，与Ti，T2，……Tp的误差来修改其权重和阈值，吏Yp与 要求的Tp尽可能的接近。将阈值写入权重中，使p = W . , p = j 0j k