一种非平衡样本集的PPP可落地性评价算法研究

“落地难”问题已经成为中国PPP模式可持续、健康发展过程中亟待解决的重大问题。通过深入剖析PPP“落地难”形成机理,从政府和项目两个维度分析PPP可落地性评价特征。针对传统分类器识别非平衡样本集的缺陷,通过人工合成数据,并引入集成学习算法,构建SMOTE-Bagging算法进行模型训练,解决PPP可落地性评价中样本数据非平衡性及高噪声异质性。研究结果表明,针对非平衡样本集,SMOTE-Bagging在准确率、召回率、G-均值、F值等方面表现最优,分别达到90.91%、88.89%、83.15%和0.898;SMOTE-Bagging算法有效识别少数类样本的能力突出,可有效解决PPP可落地性评价中的现实问题。