發(fā)布時間：2021-02-20 08:50

　　對企業(yè)來說市場競爭越發(fā)激烈,其在做好自身管理的同時,嚴格做好供應商管理,構建一個穩(wěn)定運行的供應鏈體系,能夠有效提升自身競爭力。現(xiàn)代企業(yè)也越來越重視構建一個完善的評價供應商的體系以預防可能發(fā)生的風險。同時企業(yè)在生產(chǎn)經(jīng)營以及與供應商合作過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)驗信息的前提下,如何利用可獲取的外部數(shù)據(jù)來更好的評價供應商,預防供應商潛在經(jīng)營風險給本企業(yè)造成損失,是本論文的主要內(nèi)容,也是創(chuàng)新點所在,即提供一種新的評價供應商的方法以及可靠的數(shù)據(jù)來源。本文構建的經(jīng)營風險模型主要基于邏輯回歸算法,采取理論推導與實驗分析相結合的方法,解決實際應用問題。首先,討論選取合適的數(shù)據(jù)來源,采用相關性分析和K-S檢驗選擇適合構建模型的指標。其次,考慮到整體樣本量較少,對負分類樣本,選取企業(yè)內(nèi)部交易額大、供貨穩(wěn)定的供應商作為補充,通過邏輯回歸得到供應商經(jīng)營風險模型。再次,針對樣本中經(jīng)營困難（破產(chǎn)）的企業(yè)數(shù)量較少的問題,即此時的類不平衡問題,采用SMOTE算法增加正分類樣本數(shù)量,最終獲得改進的邏輯回歸經(jīng)營風險分析模型。改進前后獲得的分類模型都使用混淆矩陣和F-measure分析計算模型結果預測... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：55 頁

【學位級別】：碩士

【部分圖文】：

圖３－１?Ｋ－Ｓ檢驗??Ｋｏｌｍｏｇｏｒｏｖ－Ｓｍｉｒｎｏｖ?（Ｋ＿Ｓ）檢驗基于累積分布函數(shù)，一般用來檢驗一個累積??

給分類器設置不同的分類??閾值，對應不同的閾值將得到一個混淆矩陣，也就是說可以計算該閾值對應的召??回率和假陽性率，這兩個值即為Ｒ０Ｃ曲線上的一個點坐標（Ｒ，?１－Ｓｐｅｃ），取足夠??多的閾值就能達到一個平滑的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（０，１），那么這是一個完美的分類器，??２１??

?山東大學碩士學位論文??該算法原理是隨機選擇少數(shù)類樣本進行復制，直到多數(shù)類和少數(shù)類數(shù)量間達到我??們想要的平衡為止：３２］。??實驗：??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隨機樣本生成??如圖３－４是隨機生成的數(shù)據(jù)集，多數(shù)類樣本個數(shù)為９４，少數(shù)類樣本個數(shù)為６。??２、利用隨機過釆樣方法重建數(shù)據(jù)集??【ｐｙｔｈｏｎ】代碼：??ｆｒｏｍ?ｃｏｌｌｅｃｔｉｏｎｓ?ｉｍｐｏｒｔ?Ｃｏｕｎｔｅｒ??ｆｒｏｍ?ｉｍｂｌｅａｒｎ．?ｏｖｅｒ—ｓａｍｐｌｉｎｇ?ｉｍｐｏｒｔ?ＲａｎｄｏｍＯｖｅｒＳａｍｐｌｅｒ?ａｓ?ｒｏｓ??＃對原始數(shù)據(jù)集進行隨機重采樣??ｒｏｓ?＝?ｒｏｓ?（ｒａｎｄｏｍ—ｓｔａｔｅ＝０）??Ｘ＿ｒｅｓａｍｐｌｅ，?ｙ＿ｒｅｓａｍｐｌｅ?＝?ｒｏｓ．?ｆｉｔ＿ｒｅｓａｍｐｌｅ?（Ｘ，?ｙ）??＃繪制過采樣后的曲線??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，因為是簡單的復制樣本，所以過采樣后的圖??形與原始圖形一樣。但此時正負類樣本個數(shù)比己經(jīng)變?yōu)椋梗矗?９４，使得原本不平衡??２３??

【參考文獻】：
期刊論文
[1]基于區(qū)塊鏈的中小型企業(yè)供應商評價系統(tǒng)[J]. 關毅江.  機電工程技術. 2020(03)
[2]基于AHP的H集團公司信息化項目供應商評價[J]. 趙倩.  項目管理技術. 2020(03)
[3]制造企業(yè)供應商創(chuàng)新性構念的探索性研究[J]. 王瑋,李隨成,禹文鋼,李娜.  科學學研究. 2015(10)
[4]Logistic回歸和ROC曲線分析血清DKK1、GP73和AFP在原發(fā)性肝癌診斷中的價值[J]. 宗迎迎,徐浩,許偉,顧玉明,祖茂衡,萬豪光,吳康.  檢驗醫(yī)學. 2015(06)
[5]基于Logistic與Fisher的上市公司財務困境判別模型比較研究[J]. 馬若微,張微.  北京工商大學學報(社會科學版). 2014(02)
[6]SMOTE算法在不平衡數(shù)據(jù)中的應用[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)學工程. 2012 (05)
[7]基于AUC的分類器評價和設計綜述[J]. 汪云云,陳松燦.  模式識別與人工智能. 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.  南京師范大學學報(工程技術版). 2008(04)
[9]模糊決策在供應鏈伙伴企業(yè)選擇中的應用[J]. 吳洲,梁浩.  計算機工程與應用. 2001(18)
[10]供應鏈管理中供應商的評價與選擇[J]. 陳琦,安茜,張文杰.  鐵道物資科學管理. 2001(02)

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

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



本文編號：3042529