對(duì)企業(yè)來(lái)說(shuō)市場(chǎng)競(jìng)爭(zhēng)越發(fā)激烈,其在做好自身管理的同時(shí),嚴(yán)格做好供應(yīng)商管理,構(gòu)建一個(gè)穩(wěn)定運(yùn)行的供應(yīng)鏈體系,能夠有效提升自身競(jìng)爭(zhēng)力�，F(xiàn)代企業(yè)也越來(lái)越重視構(gòu)建一個(gè)完善的評(píng)價(jià)供應(yīng)商的體系以預(yù)防可能發(fā)生的風(fēng)險(xiǎn)。同時(shí)企業(yè)在生產(chǎn)經(jīng)營(yíng)以及與供應(yīng)商合作過(guò)程中積累了大量原始數(shù)據(jù)。所以,在已有企業(yè)內(nèi)部經(jīng)驗(yàn)信息的前提下,如何利用可獲取的外部數(shù)據(jù)來(lái)更好的評(píng)價(jià)供應(yīng)商,預(yù)防供應(yīng)商潛在經(jīng)營(yíng)風(fēng)險(xiǎn)給本企業(yè)造成損失,是本論文的主要內(nèi)容,也是創(chuàng)新點(diǎn)所在,即提供一種新的評(píng)價(jià)供應(yīng)商的方法以及可靠的數(shù)據(jù)來(lái)源。本文構(gòu)建的經(jīng)營(yíng)風(fēng)險(xiǎn)模型主要基于邏輯回歸算法,采取理論推導(dǎo)與實(shí)驗(yàn)分析相結(jié)合的方法,解決實(shí)際應(yīng)用問(wèn)題。首先,討論選取合適的數(shù)據(jù)來(lái)源,采用相關(guān)性分析和K-S檢驗(yàn)選擇適合構(gòu)建模型的指標(biāo)。其次,考慮到整體樣本量較少,對(duì)負(fù)分類樣本,選取企業(yè)內(nèi)部交易額大、供貨穩(wěn)定的供應(yīng)商作為補(bǔ)充,通過(guò)邏輯回歸得到供應(yīng)商經(jīng)營(yíng)風(fēng)險(xiǎn)模型。再次,針對(duì)樣本中經(jīng)營(yíng)困難（破產(chǎn)）的企業(yè)數(shù)量較少的問(wèn)題,即此時(shí)的類不平衡問(wèn)題,采用SMOTE算法增加正分類樣本數(shù)量,最終獲得改進(jìn)的邏輯回歸經(jīng)營(yíng)風(fēng)險(xiǎn)分析模型。改進(jìn)前后獲得的分類模型都使用混淆矩陣和F-measure分析計(jì)算模型結(jié)果預(yù)測(cè)... 

【文章來(lái)源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３－１?Ｋ－Ｓ檢驗(yàn)??Ｋｏｌｍｏｇｏｒｏｖ－Ｓｍｉｒｎｏｖ?（Ｋ＿Ｓ）檢驗(yàn)基于累積分布函數(shù)，一般用來(lái)檢驗(yàn)一個(gè)累積??

給分類器設(shè)置不同的分類??閾值，對(duì)應(yīng)不同的閾值將得到一個(gè)混淆矩陣，也就是說(shuō)可以計(jì)算該閾值對(duì)應(yīng)的召??回率和假陽(yáng)性率，這兩個(gè)值即為Ｒ０Ｃ曲線上的一個(gè)點(diǎn)坐標(biāo)（Ｒ，?１－Ｓｐｅｃ），取足夠??多的閾值就能達(dá)到一個(gè)平滑的Ｒ０Ｃ曲線。??ＲＯＣ?Ｃｕｔｖｅ??ｉＯ－Ｔ?????ｙ．??一＾７??ｒ＂?ｙ??＾?／?Ｘ??ｔｖ?／??Ｉ?Ｘ??〇３－ｆ??Ｚ??。。－＿＿＿＿＿，＿，??０３?０４?奪備?ａ?９?＊．？??．?１?－?Ｓｐｅｃ玟Ｉｄｌｙ??圖３－３?ＲＯＣ曲線??如圖３－３，特殊的是，若曲線落在點(diǎn)（０，１），那么這是一個(gè)完美的分類器，??２１??

?山東大學(xué)碩士學(xué)位論文??該算法原理是隨機(jī)選擇少數(shù)類樣本進(jìn)行復(fù)制，直到多數(shù)類和少數(shù)類數(shù)量間達(dá)到我??們想要的平衡為止：３２］。??實(shí)驗(yàn)：??１、生成樣本??Ｌ２５?－??１．００?－??０．７５?－??０．５０?－??０．２５?－?？??？??０００?．?＊?？??－０．２５?？??－０．５０?－??－０．７５?－？?．?．?．?１?１￣￣??—１０?１２?３??圖３－４隨機(jī)樣本生成??如圖３－４是隨機(jī)生成的數(shù)據(jù)集，多數(shù)類樣本個(gè)數(shù)為９４，少數(shù)類樣本個(gè)數(shù)為６。??２、利用隨機(jī)過(guò)釆樣方法重建數(shù)據(jù)集??【ｐｙｔｈｏｎ】代碼：??ｆｒｏｍ?ｃｏｌｌｅｃｔｉｏｎｓ?ｉｍｐｏｒｔ?Ｃｏｕｎｔｅｒ??ｆｒｏｍ?ｉｍｂｌｅａｒｎ．?ｏｖｅｒ—ｓａｍｐｌｉｎｇ?ｉｍｐｏｒｔ?ＲａｎｄｏｍＯｖｅｒＳａｍｐｌｅｒ?ａｓ?ｒｏｓ??＃對(duì)原始數(shù)據(jù)集進(jìn)行隨機(jī)重采樣??ｒｏｓ?＝?ｒｏｓ?（ｒａｎｄｏｍ—ｓｔａｔｅ＝０）??Ｘ＿ｒｅｓａｍｐｌｅ，?ｙ＿ｒｅｓａｍｐｌｅ?＝?ｒｏｓ．?ｆｉｔ＿ｒｅｓａｍｐｌｅ?（Ｘ，?ｙ）??＃繪制過(guò)采樣后的曲線??ｐｉｔ．?ｓｃａｔｔｅｒ?（Ｘ＿ｒｅｓａｍｐｌｅ［：，０］，Ｘ一ｒｅｓａｍｐｌｅ［：，１］，ｃ＝ｙ一ｒｅｓａｍｐｌｅ）??ｐｒｉｎｔ?（Ｃｏｕｎｔｅｒ?（ｙ＿ｒｅｓａｍｐｌｅ））??ｐｉ?Ｌ?ｓｈｏｗ?（）??由此生成數(shù)據(jù)集圖像，如圖３－５，因?yàn)槭呛?jiǎn)單的復(fù)制樣本，所以過(guò)采樣后的圖??形與原始圖形一樣。但此時(shí)正負(fù)類樣本個(gè)數(shù)比己經(jīng)變?yōu)椋梗矗?９４，使得原本不平衡??２３??

【參考文獻(xiàn)】：
期刊論文
[1]基于區(qū)塊鏈的中小型企業(yè)供應(yīng)商評(píng)價(jià)系統(tǒng)[J]. 關(guān)毅江.  機(jī)電工程技術(shù). 2020(03)
[2]基于AHP的H集團(tuán)公司信息化項(xiàng)目供應(yīng)商評(píng)價(jià)[J]. 趙倩.  項(xiàng)目管理技術(shù). 2020(03)
[3]制造企業(yè)供應(yīng)商創(chuàng)新性構(gòu)念的探索性研究[J]. 王瑋,李隨成,禹文鋼,李娜.  科學(xué)學(xué)研究. 2015(10)
[4]Logistic回歸和ROC曲線分析血清DKK1、GP73和AFP在原發(fā)性肝癌診斷中的價(jià)值[J]. 宗迎迎,徐浩,許偉,顧玉明,祖茂衡,萬(wàn)豪光,吳康.  檢驗(yàn)醫(yī)學(xué). 2015(06)
[5]基于Logistic與Fisher的上市公司財(cái)務(wù)困境判別模型比較研究[J]. 馬若微,張微.  北京工商大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2014(02)
[6]SMOTE算法在不平衡數(shù)據(jù)中的應(yīng)用[J]. 孫濤,吳海豐,梁志剛,賀文,張鐳,呂平欣,郭秀花.  北京生物醫(yī)學(xué)工程. 2012 (05)
[7]基于AUC的分類器評(píng)價(jià)和設(shè)計(jì)綜述[J]. 汪云云,陳松燦.  模式識(shí)別與人工智能. 2011(01)
[8]不平衡數(shù)據(jù)分類方法綜述[J]. 楊明,尹軍梅,吉根林.  南京師范大學(xué)學(xué)報(bào)(工程技術(shù)版). 2008(04)
[9]模糊決策在供應(yīng)鏈伙伴企業(yè)選擇中的應(yīng)用[J]. 吳洲,梁浩.  計(jì)算機(jī)工程與應(yīng)用. 2001(18)
[10]供應(yīng)鏈管理中供應(yīng)商的評(píng)價(jià)與選擇[J]. 陳琦,安茜,張文杰.  鐵道物資科學(xué)管理. 2001(02)

博士論文
[1]非均衡數(shù)據(jù)分類算法若干應(yīng)用研究[D]. 錢云.吉林大學(xué) 2014

碩士論文
[1]一種基于Boosting算法的新模型在銀行信用評(píng)級(jí)中的應(yīng)用[D]. 翟璐.北京交通大學(xué) 2016
[2]基于生成模型與判別模型的聯(lián)合顯著性檢測(cè)[D]. 賈聰.大連理工大學(xué) 2015
[3]一汽—大眾汽車有限公司供應(yīng)商評(píng)價(jià)體系的優(yōu)化研究[D]. 王雪松.吉林大學(xué) 2015
[4]基于供應(yīng)鏈管理的供應(yīng)商選擇研究[D]. 徐財(cái)軍.昆明理工大學(xué) 2014
[5]基于層次分析法的YH公司供應(yīng)商評(píng)價(jià)體系研究[D]. 武心瀟.蘭州大學(xué) 2013



本文編號(hào)：3042529