[发明专利]用于数据评估的二维及多维模型排序评估系统及方法

说明书

本发明公开用于数据评估的二维及多维模型排序评估系统及方法，将X轴作为时间维度，Y轴作为个体单元指标密度维度，建立模型；描绘不同类型所有个体单元在时间轴上的离散指标密度样点情况，利用移动最小二乘法拟合，形成个体单指标曲线；拟合所有个体单指标曲线形成整体单指标密度曲线；抽取拟合后整体单指标密度曲线与个体单指标曲线上的高度关联指标集合，并筛选出有效个体集合M，以个体单指标曲线与整体单指标密度曲线的积分结果为依据，对该序列进行指数化表征；计算集合M的样本方差值，与已设定标准值F进行比较，提取个体单元样本集合V进行评估，本发明适用于在数据不规则情况下的数据模型建立及分析。

技术领域

本发明涉及数据模型评估，特别涉及用于数据评估的二维及多维模型排序评估系统及方法。

背景技术

在数据经济时代，各行各业正以数据为核心，运用数据的特征去重塑自身模式。依据信息技术的新生产模式、交付方式、生活体验和管理决策能力，我国目前已经逐渐形成“数据社会化”的雏形。所谓“数据社会化”，就是数据能够平等地被社会各层面使用，它打破了现实中的物理疆界，渗透到社会每个角落。数据驱动虚拟世界与现实社会之间实现生态交互，让社会资源能够在同一平台上被重新整合、共享、分析，最终实现其社会应用价值。

数据社会化过程中最核心内容就是数据。但数据源头存在的采集场景割裂、最强相关数据稀缺、数据质量不高等种种问题，数据呈现高度离散化状态，数据间联合分析的实例较少，数据具有较强的隔离性，极大阻碍了大数据应用的发展与推进。本文认为造成上述问题主要有两方面原因，一是对个体单元（如自然人、法人、企业、设备等不同类别）不同指标（如信用评估、价值评估、违约评估）的评估，缺乏较为统一的理论模型，无法将不同来源、多维度的数据进行有效的统一，二是由于个体单元的数据指标与数据量存在极大不均衡，无法进行等量数据评估；且数据总量越庞大，该不均衡性约明显，因此对传统的基于矢量工具的大样本数据分析方法提出了严峻的挑战。

发明内容

针对现有技术存在的不足，本发明的第一目的在于一种数据社会化评估的二维模型排序评估方法，受数据制约小。

本发明的上述技术目的是通过以下技术方案得以实现的：一种用于数据社会化评估的二维模型排序评估方法，包括如下步骤，

步骤1：将X轴作为时间维度，Y轴作为个体单元指标密度维度，建立二维模型；

步骤2：描绘不同类型所有个体单元在时间轴上的离散指标密度样点情况，利用移动最小二乘法基于点的拟合原理，最终形成多条个体单指标曲线S₁、S₂、S₃...S_i，每个类型的所有个体单元对应同一指标形成一条单指标曲线，i=1,2,3...n；

步骤3：利用移动最小二乘法，最终将所有个体单指标曲线S₁、S₂、S₃...S_i拟合成一条整体曲线，形成整体单指标密度曲线S_B；

步骤4：抽取拟合后的整体单指标密度曲线S_B与个体单指标曲线S_i上的高度关联指标集合，筛选出有效的个体集合M；

步骤5：将抽取到的集合M（S_x1、S_x2、S_x3、...S_xm），以个体单指标曲线S_i与整体单指标密度曲线S_B的积分结果为依据，对集合M中的所有元素进行排序，并对序列进行指数化表征；