前言

方法或模型評估問題普遍存在于數據挖掘、機器學習和人工智能等領域。在管理學領域，方法或模型評估問題同樣不可忽視，是一個具有挑戰性的研究熱點和難點問題。沒有免費的午餐定理指出不存在普適性的最優方法或模型，而決策者往往又十分關注最優方法或模型以實現最優決策，這一矛盾該如何調和呢？如何針對給定的目標問題或數據集，科學地選擇合適、高效的評估方法或模型以找尋最優決策呢？另外，在數據挖掘領域，許多研究者大多將精力聚焦在設計新方法或開發新模型上，很少能夠對挖掘出的結果進行深入的處理、分析和展示。用戶難以理解挖掘出的結果，可操作性的概率更低，從而易造成知識及數據資源的無形浪費。

鑒于上述問題，本書基于群決策理論、多目標決策理論和數據挖掘理論，通過加強領域知識、專家經驗與多目標決策方法相結合，針對數據挖掘分類和聚類方法的評估問題進行探討和深入研究。主要研究內容如下：

（1）提出基于多目標決策的數據挖掘方法評估理論框架。通過領域知識、專家經驗將群決策和多目標決策理論引入到數據挖掘中，提出基于多目標決策的數據挖掘方法評估理論框架。該方法評估理論框架由三大評估階段和六大模塊的組件構成。

（2）建立基于多目標決策的數據挖掘方法評估理論框架的實證應用。基于方法評估理論框架，展開分類方法評估和聚類方法評估，并分別提出對應的層次分析模型（AHM）和共識支持模型（CDMECA），開展基于多目標決策的數據挖掘的二次挖掘和知識發現，以增強挖掘結果的易理解性與實用性。

（3）通過把領域知識、專家經驗與多目標決策方法AHP相結合，提出IAHP-GDM和EWAHP-GDM方法。在書中，首次把集結個體判斷矩陣（AIJ）和集結個體排序（AIP）統一在AHP群決策模型中，擴展和豐富了AHP群決策方法的集結技術。實證階段，通過與傳統的AHP群決策方法對比分析，驗證了所提方法的有效性。同時，提出的EWAHP-GDM方法還被進一步擴展為一種確定準則權重的方法，為后續章節的分類方法評估和聚類方法評估奠定扎實的研究基礎。

（4）針對不同決策方法或模型的評估績效往往不一致甚至存在矛盾這一重難點問題，本書基于二八定律展開二次挖掘，提出一個共識融合模型來選擇最佳聚類方法。在該模型中，決策參與者的整體滿意度被充分考慮，并進行量化研究，且該模型能調和評估結果績效不一致的差異。

鄔文帥 著

華東交通大學

2016年1月