主成分分析( PCA),机器学习,随机森林, K 最近邻,支持向量机,逻辑
回归, 词袋法,模糊综合评价模型,信息熵, 优劣解距离法
本文使用了主成分分析( PCA)的方法来求取故障率和误报率影响选择结果的
权重,得到了第一问的得分权重, 从而选择出了最适合的设备, 线型光束感烟探测
器。
第二问中我们使用了一个复合机器学习模型,同时使用了随机森林, K 最近
邻,支持向量机,逻辑回归 4 种模型,同时使用 CountVectorize 来对文本特征进
行量化,将 4 种模型的结果剔除一个离另外 3 个较远的,再取平均,得到最终结
果,避免了单一模型对结果的准确性造成影响,并验证了特征之间不存在明显相关
性。
第三问中我们使用熵权法+模糊综合评价的方法,得到了最优结果: R 大队,
和最劣结果: J 大队, M 大队, G 大队,在模型的检验中,使用了新的模型优劣解
距离模型求取了一次新的熵权,验证了结果的可靠性。
第四问中我们综合前两问中对于报警器的准确率,故障率及其工作原理给出多
种报警器的使用建议。结合第三问中对于各个大队的优劣结果得出火灾报警可靠性
与管辖面积的关系进而提出管理