Python中的Poset表示形式可能会对业务产生巨大影响

发现POSET指标如何将数据转换为一致的评分系统,从而实现有意义的比较,同时保留数据的多维语义结构。Python中的POSET表示形式可能对业务产生巨大影响,首先是对数据科学的攻击。

来源:走向数据科学

是广泛使用的工具,用于汇总单个数值值中的多个指标。

它们都用于各个领域:从对公司绩效和城市的生活质量的评估到卫生系统的效率。目标是提供一种简单,可解释和可比的措施。但是,这些指数的明显简单性通常掩盖了由此产生的层次结构中的任意决定,信息丢失和扭曲。

目标是提供简单,可解释和可比的度量 任意决定,信息丢失和由此产生的层次结构中的扭曲。

主要问题之一与权重归因有关:将重量归因于一个指标,而不是另一个指标意味着主观的偏好。此外,单个数字中的合成迫使总排序,即使在以不可抵抗的方式在多个维度上有所不同的单位中,迫使通过单个分数进行线性订购会导致过度简化和潜在的误导性结论。

将重量更大的重量归因于一个指标,而不是另一个指标意味着主观的偏好

鉴于这些局限性,存在替代方法。其中,POSET(部分有序的集合)提供了一种更忠实的方式来表示多维数据的复杂性。

而不是综合一个数字中的所有信息,而是基于部分优势关系:如果所考虑的所有维度更大,则单位会主导另一个单位。当这没有发生时,这两个单元仍然无与伦比。 POSET方法使我们能够表示数据中隐含的层次结构,而无需强制比较它们在逻辑上是不合理的。这使其在透明的决策环境中特别有用,在透明的决策环境中,方法学相干性比强迫简化更可取。

部分优势关系 当没有发生这种情况时,这两个单元保持无与伦比 强大而可解释的解决方案 无与伦比 x