大连理工大学《管理学》大作业题目及要求.docx
《大连理工大学《管理学》大作业题目及要求.docx》由会员分享,可在线阅读,更多相关《大连理工大学《管理学》大作业题目及要求.docx(8页珍藏版)》请在第一文库网上搜索。
1、大良理2大学网络教育学院管理学课程大作业学习中心:江苏淮安金湖奥鹏学习中心层次:专升本专业:工商管理年级:1809年秋季学 . 18*6姓名:陈思完成日期:2019年1月10日大工18秋管理学大作业及要求第一部分:注意:请从以下题目中任选其一作答!题目一:如何理解决策的定义及其作用?题目二:试分析目标管理过程。题目三:详细阐述领导生命周期理论。题目U!:组织控制的目的是什么?为什么这么重要?题目五:试分析学习型组织的特征。第二部分:学习心得作业具体要求:L从第一部分的五道题目中选择一道作答,答案字数不少于1000字。2.为区分作业是否独立完成,请写出自己对本课程的想法或者学习心得,字数不少于5
2、00字。3.正文内容统一采用宋体小四号字体,L5倍行距。4,封面格式已给出,要求学生将个人信息认真填写完整。5.作业必须独立完成,不准抄袭他人、相关资料或者请人代做,如发生以上情况,成绩以0分记。6.要求学生必须在2019年3月11日23:59:59以前,将完成的离线作业以附件的形式上传至课程平台。课程公传 咏件浏览 在魏作业 隔段作业 实叶交流用号作业名称起止日期下北日朗 提交日划华分作1 群和怨 10013979浙江台州奥懈学习098*r09*83109*8*1k 11J Vlr*-八 J大连理工大学网络教育学院2018年11月如何理解决策的定义及其作用?一、决策是管理者识别并解决问题的过
3、程,或者管理者利用机会的过程。对于这一定义,可作如下理解:决策树是用二叉树形图来表示处理逻辑的一种工具。可以直观、清晰地表达加工的逻辑要求。特别适合于判断因素比较少、逻辑组合关系不复杂的情况。决策树提供了一种展示类似在什么条件下会得到什么值这类规则的方法。比如,在贷款申请中,要对申请的风险大小做出判断,图是为了解决这个问题而建立的一棵决策树,从中们可以看到决策树的基本组成部分:决策节点、分支和叶子。决策树中最上面的节点称为根节点,是整个决策树的开始。本例中根节点是“收入 40,000”,对此问题的不同回答产生了 “是”和“否”两个分支。决策树的每个节点子节点的个数与决策树在用的算法有关。如CA
4、RT算法得到的决策树每个节点有两个分支,这种树称为二叉树。允许节点含有多于两个子节点的树称为多叉树。每个分支要么是一个新的决策节点,要么是树的结尾,称为叶子。在沿着决策树从上到下遍历的过程中,在每个节点都会遇到一个问题,对每个节点上问题的不同回答导致不同的分支,最后会到达一个叶子节点。这个过程就是利用决策树进行分类的过程,利用几个变量(每个变量对应一个问题)来判断所属的类别(最后每个叶子会对应一个类别)。假如负责借贷的银行官员利用上面这棵决策树来决定支持哪些贷款和拒绝哪些贷款,那么他就可以用贷款申请表来运行这棵决策树,用决策树来判断风险的大小。“年收入40,00”和“高负债”的用户被认为是“高
5、风险”,同时“收入40,000”但“工作时间5年”的申请,则被认为“低风险”而建议贷款给他/她。数据挖掘中决策树是一种经常要用到的技术,可以用于分析数据,同样也可以用来作预测(就像上面的银行官员用他来预测贷款风险)。常用的算法有CHAIDs CART、QUEST 和 C5.0。建立决策树的过程,即树的生长过程是不断的把数据进行切分的过程,每次切分对应一个问题,也对应着一个节点。对每个切分都要求分成的组之间的“差异”最大。各种决策树算法之间的主要区别就是对这个“差异”衡量方式的区别。对具体衡量方式算法的讨论超出了本文的范围,在此们只需要把切分看成是把一组数据分成几份,份与份之间尽量不同,而同一份
6、内的数据尽量相同。这个切分的过程也可称为数据的“纯化”。看们的例子,包含两个类别-低风险和高风险。如果经过一次切分后得到的分组,每个分组中的数据都属于同一个类别,显然达到这样效果的切分方法就是们所追求的。到现在为止们所讨论的例子都是非常简单的,树也容易理解,当然实际中应用的决策树可能非常复杂。假定们利用历史数据建立了一个包含几百个属性、输出的类有十几种的决策树,这样的一棵树对人来说可能太复杂了,但每一条从根结点到叶子节点的路径所描述的含义仍然是可以理解的。决策树的这种易理解性对数据挖掘的使用者来说是一个显著的优点。然而决策树的这种明确性可能带来误导。比如,决策树每个节点对应分割的定义都是非常明
7、确毫不含糊的,但在实际生活中这种明确可能带来麻烦(凭什么说年收入40,001的人具有较小的信用风险而 40,000的人就没有)。建立一颗决策树可能只要对数据库进行几遍扫描之后就能完成,这也意味着需要的计算资源较少,而且可以很容易的处理包含很多预测变量的情况,因此决策树模型可以建立得很快,并适合应用到大量的数据上。对最终要拿给人看的决策树来说,在建立过程中让其生长的太“枝繁叶茂”是没有必要的,这样既降低了树的可理解性和可用性,同时也使决策树本身对历史数据的依赖性增大,也就是说这是这棵决策树对此历史数据可能非常准确,一旦应用到新的数据时准确性却急剧下降,们称这种情况为训练过度。为了使得到的决策树所
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 管理学 大连理工大学 作业 题目 要求