نویسندگان:
(1) Aarav Patel، دبیرستان منطقه ای آمیتی – ایمیل: [email protected];
(2) پیتر گلور، مرکز اطلاعات جمعی، موسسه فناوری ماساچوست و نویسنده مسئول – ایمیل: [email protected].
جدول پیوندها
6. بحث
مدل رگرسیون جنگل تصادفی احتمالاً بهترین عملکرد را داشته است زیرا با ترکیب پیشبینیهای درختهای تصمیم چندگانه کار میکند. این به آن اجازه می دهد تا دقت خود را بهبود بخشد و بیش از حد برازش را به یک درخت خاص کاهش دهد و در نتیجه نتایج برتر را تولید کند. الگوریتم رگرسیون جنگل تصادفی دارای همبستگی آماری معنی دار R2 26.1٪ (p-value) بود.
الگوریتم پیشنهادی نتایج دلگرمکنندهای را نشان میدهد و قابلیت آن را در پیشبینی رتبهبندی ESG برجسته میکند. بر خلاف ارزیابهای فعلی ESG که ESG را با استفاده از گزارشهای پایداری خود افشا شده تعیین میکنند، رویکرد مبتنی بر داده الگوریتم پیشنهادی امکان ارزیابی جامعتر و متعادلتر را فراهم میکند. استفاده از احساسات اجتماعی همچنین به مدیران اجازه میدهد تا اندازهگیری کنند که افراد در چه زمینههایی میخواهند شرکت بهبود یابد و به تمرکز اقدامات بر روی تغییر کمک میکند. در نهایت، مدیران می توانند کلمات کلیدی اضافی را با وارد کردن آنها در الگوریتم آزمایش کنند. این ویژگی ها نشان دهنده سیستم …