以机器学习应对信息"爆炸"时代:公共管理研究的降维可视化探析

摘要：

面对信息"爆炸"时代下的治理转型,公共管理研究急需更新数据分析方法,迎接大数据带来的技术挑战.本文聚焦机器学习的前沿技术t-SNE,以解决被广泛使用的线性分析方法如主成分分析(PCA),在分析海量的高维数据的核心内容时的算法缺陷,即t-SNE可通过降维可视化,拨开数据的非线性关联,自动挖掘出大数据集的主要内容(聚类).我们将以实例展示该技术的优势,及其对于十大类公共管理主题的技术价值,这些主题涵盖了当今中国治理的重要维度,例如应急管理、干部选拔、信息公开等.我们将论证,以t-SNE为代表的机器学习实现了公共管理分析工具从质化到量化,从量化到自动化的数据分析范式转变,有助于学者和实践者快速解析纷繁大数据的核心内容,增加决策精准度.

关键词：大数据、量化技术、主成分分析、非监督机器学习

分类号：D035(国家理论)

资助基金：北京市社会科学基金项目"健全党和国家监督体系研究:以信息透明与反官员履历造假为例"编号:18ZGC012

在线出版日期：2021-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：105-113