基于大数据融合DEA和RBF的预测方法

来源 :统计与决策 | 被引量 : 0次 | 上传用户:ICE867200WXM
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着信息技术的快速发展,如何利用大数据进行有效分析已经成为各行业关注的焦点.大数据必然带来数据噪声和数据冗余,传统的大数据预处理方法没有考虑变量之间的函数关系,常用的大数据建模工具不能有效地对包含复杂非线性关系的大数据进行建模.文章提出了一种融合DEA与RBF的预测方法(DEA-RBF),利用DEA对大数据进行预处理,筛选出有效数据,然后利用RBF对所得数据进行建模,并与未经预处理的原始数据的预测精度进行比较.结果表明,DEA-RBF方法的预测效率更高、预测精度更好.
其他文献
针对传统的k-类支持向量机(SVM)算法对数据进行多分类时存在的特征变量间信息重叠、模型复杂度高、分类精度低这一系列问题,文章提出使用灰色关联聚类(GRC)对特征变量进行分
历史唯物主义的广义与狭义区分是马克思哲学思想研究在遭遇到人类历史的一般发展规律与资本主义生产方式的特殊运行规律之间的关系时出现的问题.抛开概念本身而单从现代资本
文章基于我国经管类本科专业统计学课程教育教学的现实状况,概括了课程改革中出现的异化现象,提出了描述统计、概率论基础及推断统计三部分内容结构性融合的思想,探讨了实现