【技术实现步骤摘要】
本专利技术涉及数理统计分析，更具体地说，本专利技术涉及一种基于质量管理决策系统的数理统计分析方法。
技术介绍
1、在现代企业管理中，特别是在电力行业等技术密集型领域，随着科技进步和市场竞争的加剧，企业越来越需要有效管理和评估职工提出的创新项目。这些项目不仅涉及技术和产品的创新，还关乎资源的合理配置以及未来发展方向的决策制定，因此对于职工创新项目的储备与智能分析辅助决策评价的需求显得尤为迫切和重要。
2、cn113487149b的专利技术专利公开了基于catboostk折交叉验证的焊点异常识别系统及方法，通过数据预处理模块用于对焊接机器人在预设时间段内形成的焊点数据源进行数据预处理；机器学习建模模块用于采用catboost算法对训练集数据进行训练，并在该算法的基础上增加k折交叉验证，得到训练集的焊点异常识别规则，通过机器学习获取相应训练集的异常识别预测模型；参数调整模块用于通过调整catboost算法中的参数；机器学习预测模块用于将训练集的焊点异常识别预测模型对测试集数据进行异常识别预测，获得测试集的焊点正常或异常状态；该专利...
【技术保护点】
1.一种基于质量管理决策系统的数理统计分析方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于质量管理决策系统的数理统计分析方法，其特征在于，所述对目标项目进行数据过滤和处理，具体为：
3.根据权利要求2所述的一种基于质量管理决策系统的数理统计分析方法，其特征在于，所述基于梯度提升树和预设的目标因素对目标项目数据进行特征重要性分析，具体为：
4.根据权利要求3所述的一种基于质量管理决策系统的数理统计分析方法，其特征在于，所述构建初始的梯度提升树模型的具体步骤如下：
5.根据权利要求4所述的一种基于质量管理决...
【技术特征摘要】
1.一种基于质量管理决策系统的数理统计分析方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于质量管理决策系统的数理统计分析方法，其特征在于，所述对目标项目进行数据过滤和处理，具体为：
3.根据权利要求2所述的一种基于质量管理决策系统的数理统计分析方法，其特征在于，所述基于梯度提升树和预设的目标因素对目标项目数据进行特征重要性分析，具体为：
4.根据权利要求3所述的一种基于质量管理决策系统的数理统计分析方法，其特征在于，所述构建初始的梯度提升树模型的具体步骤如下：
5.根据权利要求4所述的一种基于质量管理决策系统的数理统计分析方法，其特征在于，所述模型根据设定的参数和若干初始项目特征集，逐步构建多棵决策树，具体为：
6.根据...
【专利技术属性】
技术研发人员：林莉，张健，白春光，黄侠，王晓明，左一成，李炜，张见，朱子旭，
申请(专利权)人：安徽博诺思信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。