排序相对主成分属性网络模型（REL-PCANet）在包容性发展指数估算中的应用
计算工程、金融与科学
2018-04-18 v1 机器学习
摘要
2018 年，在达沃斯世界经济论坛上提出了一项名为包容性发展指数（IDI）的新国家经济绩效指标，由 12 个指标构成。该新指标意味着各国可能需要实施结构性改革，以同时改善经济扩张与社会包容绩效。因此，IDI 计算方法具备坚实的统计与数学基础至关重要，以使结果准确且对公众透明。本工作中，我们提出一种 IDI 估算的新方法——排序相对主成分属性网络模型（REL-PCANet）。该模型基于 RELARM 与 RankNet 原理，结合了 PCA、图像识别中应用的技术以及排序学习机制的元素。此外，我们定义了一种估算目标概率矩阵的新方法，以反映各国包容性发展的动态变化。实证研究表明，REL-PCANet 提供了可靠且稳健的得分与排名，因此推荐用于实际实施。
引用
@article{arxiv.1804.06219,
title = {Application of the Ranking Relative Principal Component Attributes Network Model (REL-PCANet) for the Inclusive Development Index Estimation},
author = {Anwar Irmatov and Elnura Irmatova},
journal= {arXiv preprint arXiv:1804.06219},
year = {2018}
}
备注
13 pages, 6 figures, 1 table