302
0
2026-04-28
2026-04-28
【例會(huì)預(yù)告】
會(huì)議名稱：數(shù)據(jù)科學(xué)與創(chuàng)新管理團(tuán)隊(duì)例會(huì)
會(huì)議時(shí)間：2026年4月29日（周三）晚上19：00-21：00
會(huì)議地點(diǎn)： 經(jīng)管樓609會(huì)議室
匯報(bào)人：李虎峰
匯報(bào)題目：
《對(duì)DAC方法的幾點(diǎn)再補(bǔ)充》
匯報(bào)摘要：
在相較于傳統(tǒng)的實(shí)證、案例等研究方法，數(shù)據(jù)驅(qū)動(dòng)分析方法（Data-driven Analysis for studying the influence mechanism of Complex factors，DAC）綜合了定量和定性研究的優(yōu)勢(shì)，通過機(jī)器學(xué)習(xí)的方法研究復(fù)雜系統(tǒng)關(guān)鍵核心因素的機(jī)制。有助于提供基于企業(yè)異質(zhì)性的高度細(xì)分的管理建議，通過CART決策樹有助于理解要素間存在的高階交互作用。在前序的匯報(bào)中，針對(duì)DAC方法的異質(zhì)性分析、決策樹結(jié)果的穩(wěn)健性，決策樹得到路徑的顯著性等問題開展了一些探討。(2025年11月20日例會(huì)預(yù)告-李虎峰《一種基于DAC方法的統(tǒng)計(jì)學(xué)檢驗(yàn)思路》)
然而，在整個(gè)DAC執(zhí)行流程中，仍然存在一些不可忽視的問題，例如，在K-Means聚類過程中，由于隨機(jī)初始種子的設(shè)定，我們每次聚類得到的結(jié)果往往并不穩(wěn)健，尤其是針對(duì)一些本身分類就較為模糊的點(diǎn)，不同聚類批次可能存在較大的差池。另一方面，在通過爬山算法等方法構(gòu)建貝葉斯網(wǎng)絡(luò)的過程中，對(duì)連續(xù)變量的離散化分箱方式可能也會(huì)對(duì)結(jié)果產(chǎn)生一些的影響。因此，還需要探討更加穩(wěn)健的聚類方式（從數(shù)據(jù)或是算法層面進(jìn)行優(yōu)化），并對(duì)貝葉斯網(wǎng)絡(luò)的結(jié)果進(jìn)行進(jìn)一步的穩(wěn)健性檢驗(yàn)（MNLogistic回歸和針對(duì)網(wǎng)絡(luò)結(jié)果的安慰劑檢驗(yàn)），對(duì)方法進(jìn)行進(jìn)一步的補(bǔ)充，同時(shí)研究使用了GeNIe軟件分析貝葉斯網(wǎng)絡(luò)結(jié)果，能夠得到信息更加豐富的分析內(nèi)容。
圖1 基于GeNIe軟件構(gòu)建的貝葉斯網(wǎng)絡(luò)
圖2 目前對(duì)DAC方法的內(nèi)容補(bǔ)充
