融合专家领域知识和K-means聚类的三支风险评级方法

金融和医疗等实际环境中的决策关键在于决策风险的权衡考虑，准确预测和分类风险级别非常必要。然而，传统的群体决策关注专家评价意见的一致性和共识，对于获得客观的专家评价意见和决策质量的考虑较少，在风险评级场景中难以量化和评估决策实际效果。因此，引入数据驱动的思想，利用数据和聚类结果辅助发现专家评估意见，在三支决策理论框架下优化群体意见，改进和计算逻辑回归的判别点，并基于UCI和Kaggle的4个信贷风险和疾病诊断公开数据集，完成风险评级分类。通过数据实验的结果可以发现：与经典的机器学习方法相比，文中提出的基于群体决策的三支分类方法更加关注风险的规避，在各个数据集上的分类表现均有稳定且较优的结果，说明通过发现专家领域知识，利用数据的客观信息辅助专家评估风险有助于解决不同背景的决策问题。