支持向量机显示决策值,决策大学值阶

率在0.8-1.显示0之学生总人数的61.54%,男生为5人,占决策效率在0.8-1.0的大学生总人数的38.46%。为了探究年龄的差异性对大学生移动网络服装购物的决策效率的影响,依据18岁以下、18-22岁、22-24岁、24岁以上四支持个年龄段将大学显示生按年龄分类,得到18岁以大学下人数0020000.553818-22岁人数004047500.616722-24岁人数003328500.623024岁以上人数001支持向量机625300.6456要集中大学在18-24岁之间。从不同年龄的决策效率均值来看,18岁以下的大学生决策效率最低,为0.5538,其他年龄段的大学生决策效率均值都超过0.6,年龄段越大的大学生其决策效率均值有所上升,这与大学生适应了新环境、阅历更加丰富以及考虑问题更加全面相关;从决策效率高于显示0.6的大学生人数来看,18-22岁的值高于18-22岁的大学生决策效率均值,说明22-24岁的大学生决策效率值更集中,49方差较小,而18-22岁的支持向量机大学生决策效率值分散,方差较大。

随着年龄的增加,大学生移动网络服装购物决策效显示率有所提高。为了探究不同受教育程度对大学生移动网络服装购物的决策效率的影响,基于大一、大二、大三、大四以及研究生及以上的教育程度将总体划分成五个部分,是特别显著,大学生本大学身相似性较强,有较高的文化知识和相似的受教育经历;其中,只有大一学生的效率均值低于0.6,受教育程度高于大一的大学生决策效率支持向量机均值均高于0.6,大一新生刚进入大学,对周围的生活和学习环境都比较陌生,而其他年级的大学生对周围生活环显示境已经熟悉,生活方式已经趋于稳定,因而其总体决策效率均值要略高于大一新生;从决策效率分大学布来看,大一学生决策效率集中在0.4-0.6的水平,而其他任一年级的大学生决策效率都集中在0.6-0.8的水平。总之,随着受教育程度的提高显示,大学生的决策效率总体上大学有相应的提高。基于MATLAB7.1计算得出结果,为了突出样本的总体性而非是个体性,本文把所支持向量机有决策单元的决策阶段之间的影响系数做了均值统计,以探究大学生移动网将它们区别开来,本文的研究是为了比较决策阶段之间影响程度的相对性,确支持向量机定哪些阶段之间相比较其他阶段之间的影响是显著的,保留影响程度较大的决策阶段之间的关系,剔除影响程度小的决策阶段之间的关系,从而对上显示文提出的显示决策阶段大学之间存在相互影响关系的决策网络模型进行修正,得到适用于大学生移动网支持基于网络大学DEA大学模型的大学生移动网络购物决策过程研究50络服装购物决策过程网络模型。

相关文章

用户评论

*

*

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。