基于决策树的PPP项目优选算法及关键因素探究
基于决策树的推荐算法
基于决策树的推荐算法一、决策树算法介绍决策树是一种基于树型结构的分类与回归算法，将问题划分成树的节点和叶子节点，节点表示问题的判断或属性，叶子节点表示问题的结果或类别。
决策树通过选择最优的属性来划分数据，并递归地构建树，最终实现对待预测样本的分类。
决策树算法具有易理解、易实现、可处理各种数据类型和能够处理缺失值的优点。
二、决策树个性化推荐算法原理1.数据预处理：首先从用户历史行为数据中提取特征。
特征可以包括用户ID、物品ID、物品评分、物品类别等。
2.数据划分：将数据集划分为训练集和测试集。
训练集用于构建决策树模型，测试集用于评估模型的准确性。
3.特征选择：选择最优的特征作为划分标准。
常用的特征选择方法有信息增益、信息增益比、基尼指数等。
4.决策树构建：根据选择的特征，递归地构建决策树。
每个节点代表一个特征，叶子节点代表最终的推荐结果。
5.决策准则：选择适用的决策准则来判断决策树的生长停止条件，例如节点中的样本属于同一类别、节点中的样本数不超过阈值等。
6.决策树剪枝：对构建好的决策树进行剪枝处理，减少过拟合的风险。
常用的剪枝方法有预剪枝和后剪枝。
7.推荐结果：根据决策树模型，对待推荐的物品进行预测，并将预测结果作为推荐结果返回给用户。
三、基于决策树的推荐算法优势与应用场景1.优势：（1）易解释：决策树的结构非常直观，可以对模型的决策过程进行解释和理解。
（2）适用性强：决策树算法适用于离散型和连续型的特征，可以处理多分类和回归问题。
（3）能够处理缺失值：在决策树的构造过程中，可以通过合适的方式处理缺失值。
（4）灵活性高：决策树可以通过调整参数来控制树的生长与剪枝，具有较高的灵活性。
2.应用场景：（1）个性化推荐系统：基于用户历史行为和物品特征，进行物品的个性化推荐。
（2）文本分类：根据文本的特征来进行分类，例如垃圾邮件过滤、新闻分类等。
（3）医疗诊断：根据病人的症状特征来判断患病可能性，提供初步的诊断结果。
决策树算法的构建与优化
决策树算法的构建与优化引言:决策树是机器学习领域中一种常用的预测建模方法，它通过树状结构模拟人类决策过程，对于分类和回归问题有着广泛的应用。
本文将从决策树算法的构建与优化两个方面进行讨论。
一、决策树的构建1. 数据预处理在构建决策树之前，需要进行数据的预处理。
包括数据清洗、特征选择、数据转换等步骤。
数据清洗可以去除异常值和缺失值，特征选择可以筛选出对目标变量具有重要影响的特征，数据转换可以将数据转换为适合决策树算法处理的形式。
2. 分裂准则决策树的构建过程中，需要选择合适的分裂准则来确定节点的分裂方式。
常用的分裂准则有信息增益、基尼系数和方差减少等。
选择合适的分裂准则可以提高分类的准确性和回归的精确度。
3. 分裂属性选择选择合适的分裂属性是构建决策树的关键步骤之一。
常用的分裂属性选择方法有ID3算法、C4.5算法和CART算法。
ID3算法基于信息增益选择分裂属性，C4.5算法基于信息增益比选择分裂属性，CART 算法基于基尼系数选择分裂属性。
4. 剪枝策略决策树建立完成后，可能存在过拟合的问题。
为了提高决策树的泛化能力，需要进行剪枝操作。
常用的剪枝策略有预剪枝和后剪枝。
预剪枝是在决策树构建的过程中进行剪枝，后剪枝是在决策树构建完成后，通过减枝操作来提高决策树的泛化能力。
二、决策树的优化1. 特征选择优化特征选择是构建决策树的重要环节，正确选择特征对提高决策树的分类性能至关重要。
可以通过特征选择算法来降低决策树的复杂度和提高分类性能。
常用的特征选择算法有卡方检验、互信息等。
2. 加权决策树在构建决策树时，可以为节点分配不同的权重值，使得一些重要的节点具有更大的影响力。
通过加权决策树可以提高决策树的分类准确率和回归精度。
3. 集成学习方法集成学习通过集成多个弱分类器或回归器来构建强学习器，以提高整体预测能力。
常用的集成学习方法包括随机森林和梯度提升树。
通过集成学习方法可以进一步优化决策树的性能。
结论:决策树算法是一种常用且有效的预测建模方法，通过构建决策树可以进行分类和回归问题的求解。
毕业设计(论文)_基于决策树的企业投资方案决策分析
毕业设计（论文）_基于决策树的企业投资方案决策分析毕业设计（论文）_基于决策树的企业投资方案决策分析基于决策树的企业投资方案决策分析摘要：随着信息化水平的提高，人们对决策的科学性的要求程度越来越高，以往的靠决策者个人意志左右的决策已经不能适应复杂多变的决策环境了，本文依据投资决策的部分流程，对企业投资决策选择、投资方案选择进行了研究。
全文从A企业的投资案例出发，对企业投资方案的决策进行了分析，建立了以excel、决策树、水晶球为依托的投资决策模型，解决了企业在面临多个层次、多种方案决策问题时的决策问题，以及以此为依据进行的概率分步模拟的决策问题。
同时，在目前市场竞争激烈、投资成本不断攀升的情况下，如何正确选取投资的方案也受到越来越多的企业的关注。
本文针对目前企业投资规划阶段出现的盲目确定方案的现状，对投资的决策和方案的选择进行了研究，并通过建立基于决策树的数学模型对这种选择进行“量化”，希望能够有效地降低决策过程中的主观随意性。
本文主要完成了以下几项工作：(1)明确了企业投资决策的概念，分析了决策分析及决策树的理论基础，解析了在进行投资决策时的所面临的风险，以及决策树和水晶球模拟的基本原理和建模步骤。
通过对企业投资方案选择的分析，规划出了各个方案的风险图。
(2)以企业投资决策分析为主线，结合投资案例，建立了基于决策树的多层次模型和基于水晶球模拟的预测模型。
(3)本文运用理论联系实际的方法对上述内容进行了探讨和研究，为不断地改进完善我国现阶段企业投资决策方法提出了可行的方法和建议。
关键词：决策分析；决策树；风险；模拟Decision Analysis of the enterprise’s investment Based onDecision Tree ModelAbstract：With the improvement of informatization level, people’s scientific demands on the decision making are more and more high, in the past, the individual will bypolicymakers around by decision can not adapt to the complex and changeable decisionenvironment already, based on the part process, investment decision of enterpriseinvestment choices, investment scheme selection is studied. From A corporate investmentscase, to analysis the risk, the paper builds rely on excel, decision-making tree, crystal balls,building the investment decision making model, solved in the face of multiple levels andenterprises of the decision making problem decision-making problem and how it can besimulated problems’ probability.Meanwhile, in the current market competition is intense, investment costs risingcases, how to correctly select investment project is also receiving more and more attentionfrom enterprises. In view of present enterprise investment planning stages of the blindsure scheme situation, investment decisions and options are studied, and by establishingthe mathematical model based on the decision tree for this choice, hope to thequantization effectively reduce the decision process of subjective freedom.This article mainly completed a few job below:(1) Clear the enterprise investment decisions, analyzes the concept of decisionanalysis and decision tree, analyzes the theoretical basis of the investment decisions ofthe risks they might face, then analyzes decision tree and crystal ball simulation of basicprinciple and modeling steps. Based on the analysis of the enterprise investment scheme selection and planning out the risk map of each scheme figure.(2) To enterprise investment decision analysis, combining the investment case, build the multi-level model based on decision tree and forecast model. based on crystal ball simulated.(3) This paper uses the theory with the practice of the above content method is discussed and studied, which constantly improving and perfecting our country present stage enterprise investment decision-making method proposed the feasible methods and suggestions.Keywords: decision analysis; decision tree; risks; simulate目录摘要： (I)Abstract (II)1 引言 (1)1.1研究的背景、目的及意义 (1)1.1.1 研究背景 (1)1.1.2 研究的目的及意义 (2)1.2研究的方法及论文的结构 (3)1.3研究的对象及内容 (9)2 决策分析及决策树的相关概念 (11)2.1决策的概念及意义 (11)2.2决策分析的概念及其理论基础 (12)2.2.1 决策分析术语 (12)2.2.2 决策问题的分类 (13)2.2.3 决策问题的不确定性 (14)2.2.4 决策准则 (14)2.2.5 决策的程序 (15)2.3决策树的相关概念 (17)2.3.1 决策树的概念及作用 (17)2.3.2 决策树的构造 (18)2.3.3 决策树的分析步骤 (19)2.3.4 决策树的局限性 (20)2.3.5 决策树中的风险分析 (20)3 决策树在企业投资的应用 (22)3.1运用treeplan建立企业投资方案决策树 (22)3.2运用excel对其进行风险分析及规划其风险图 (25)3.2.1 目标风险分析 (25)3.2.2 各个方案的风险图 (26)3.2.3 投资方案概率变化的灵敏度分析 (29)3.3用水晶球模拟概率分布风险分析 (31)4 结论及展望 (39)4 结论及展望 (39)4.1结论 (39)4.1.1 整体最优决策方案的确定 (39)4.1.2 影响整体最优决策方案的因素 (39)4.1.3 对类似的决策的示范意义： (39)4.2本文的不足之处与展望 (40)4.2.1 模拟的局限性 (40)4.2.2 数据质量的局限性 (40)4.2.3 后续研究工作展望 (40)致谢 (42)参考文献 (44)附录 (46)附录1 英文文献 (46)附录2 汉语翻译 (49)1引言企业要生存与发展，必须重视投资效果和经济效益, 结合自身的技术经济能力，对项目投资的行业方向、经济效益进行运筹规划和科学决策。
PPP项目选择决策的优化
四、 政府推进Ｐ Ｐ Ｐ 的战略步骤
主要 包括 一 是制 度 建 设 ； 二是 机
构建 设； 三是示 范项 目。
Ｐ Ｐ Ｐ ｌ ｆ ￣ ３ 核心 是将 政 府和 社会资 本 利用备自 的 优 势 结 合起 来 ， 一起 为老
百 姓提 供 公共 产品 与公 共服 务， 将 过
作ＰＰＰ 需 要 有 入来做 ， 第 ・ 种 方 式， 从中央 到 省市 部建 ｒ ＰＰＰ管理 机构 ， 第二 ， 大 推动 第一 ＝ 三 方咨询 机 构 市场的发 展， 使 中国短 期内形成 了 一批 很有能 力的 咨询机构。另外开展 ｒ 多层 次， 在 不同领 域 开展培 训。第 三 种 方
分担 、 全生命周期管理 、 公开透 明等特
点， 钉 利 于帮 助政 府 更 好地 为老 百姓
提 供公共服务。
年４ 月更是 召开了首届 “ 全球 基 础设 施
的人， 能 在身边找 到榜样 。 也 希望摸索
一
二、 Ｐ Ｐ Ｐ 方式的优点
－
论 坛”， 在 这个 论 坛 上 ， 全 球 第一 次９ 大 多边 开发 银行 行长 和Ｉ 联 合 国秘书 长 开 创历 史性 合作， 并且 形成了宣 言， 要 推动 全球 基 础 设施 建设 ， 推， 。 Ｐ Ｐ Ｐ 模 式； 在 今年杭 州峰 会上， 形成 了 莺要 的 成果 ， 巾美双方 签订 协议， 两个 国家 利 用多个场 合、 渠道 来推进 Ｐ Ｐ Ｐ ｏ 从全 球 的 ＰＰＰ发 腥 潮 流 来 看 ，
式， 通过 示范项 目， 使 得我们想做Ｉ ＰＰ
去单 一 由政 府 提 供 方式 ， 改成 由政 府
与社 会资本形成合力来提 供。 Ｐ Ｉ Ｐ 的物仃所 值、 利益 分享 、 风险
决策树算法的使用方法和优化技巧
决策树算法的使用方法和优化技巧决策树算法是一种可用于解决分类和回归问题的机器学习算法。
通过树状结构的决策流程，它能够对不同的输入变量进行分类或预测输出值。
本文将介绍决策树算法的基本使用方法，并探讨一些优化技巧，以提高算法的性能和准确度。
一、决策树算法的基本使用方法1. 数据准备和处理：在使用决策树算法之前，需要进行数据的准备和处理。
首先，需要对数据集进行清洗，处理丢失的数据、异常值和重复值。
然后，将数据集拆分为训练集和测试集，用训练集来构建决策树模型，并使用测试集来评估模型的性能。
2. 特征选择和划分：特征选择是决策树算法中一个重要的步骤。
在选择特征时，我们需要考虑特征的信息增益或基尼指数，以确定哪个特征对分类问题更加重要。
然后，根据选择的特征，将数据集划分为不同的分支节点。
3. 构建决策树模型：在构建决策树模型时，可采用递归的方式进行。
例如，使用ID3、C4.5或CART算法来生成决策树。
在递归过程中，根据选择的特征和划分的数据集，不断生成新的节点和分支，直到满足停止条件为止。
4. 决策树的剪枝：为了防止决策树过拟合训练数据，需要进行决策树的剪枝。
剪枝可以通过预剪枝或后剪枝来实现。
预剪枝是在构建决策树时，根据一定的规则进行剪枝，例如限制决策树的最大深度或节点数目。
后剪枝是先构建完整的决策树，然后根据交叉验证的结果进行剪枝。
5. 决策树模型的评估：为了评估决策树模型的性能，可以使用一些指标，例如准确度、精确度、召回率和F1值。
这些指标可以帮助我们了解模型对不同类别的分类能力，并选择最合适的模型。
二、决策树算法的优化技巧1. 特征工程：特征工程是提高决策树算法性能的关键一步。
通过对原始特征进行变换、组合、删除或添加新的特征，可以提高决策树模型的表达能力。
例如，可以利用二值化、标准化、one-hot编码等技术对特征进行处理，以便更好地适应决策树算法的要求。
2. 处理缺失值：决策树算法通常能够处理缺失值。
探究决策树法在工程项目中的应用
探究决策树法在工程项目中的应用随着工程项目越来越复杂，需要进行各种各样的决策，如何有效地进行决策成为了工程项目管理中的关键问题之一。
决策树法是一种常用的解决方案，本文将探究决策树法在工程项目中的应用。
一、什么是决策树法？决策树法是一种基于树形结构的决策过程分析方法，该方法基于树形结构来分析可能的决策结果，从而寻找出最佳的决策方案。
决策树法可以分为两种类型：分类树和回归树。
分类树主要用于分类或者二分法的操作，如病例的预测分类、盗窃犯罪行为的识别等等。
回归树主要用于解决非线性问题，比如预测某个城市房价、某种产品的销量等等。
决策树法的优点是易于理解、实现简单、计算成本低、适用于大数据、支持可视化呈现等，因此被广泛应用于许多领域，包括工程项目管理。
二、决策树法在工程项目中的应用1.项目风险预测风险是工程项目管理中的关键因素，为了预测风险，通常需要考虑许多因素。
通过应用决策树法，来对成本、时间和质量进行分析和预测，以评估项目的风险，并制定适当的风险管理策略。
2.建议选择方案工程项目在进行决策时，必须从多种决策方案中选择最佳方案。
决策树可以用来展示所有可能选择的选项，帮助管理人员了解不同选择的成本、风险和预期效果，从而作出最佳的决策。
3.成本控制成本控制是工程项目成功的关键之一，可以通过决策树的方式来预测项目的成本，并制定最佳的成本控制策略。
例如，可以通过决策树分析成本的主要来源和变化情况，从而制定出最佳的成本控制计划。
4.任务分配决策树法可以用于任务分配，分析每个任务的复杂度、紧急性和重要性，从而求出最佳的任务分配方式。
这有助于确保项目团队在时间上和效果上都能够达到最佳状态。
5.绩效评估工程项目经理需要制定衡量项目绩效的指标，以便能够在项目进行过程中及时评估项目的绩效。
决策树法可以用于预测项目的进展情况，并据此评估项目的绩效。
例如，可以通过比较当前状态和理想状态来预测项目的进展情况，并据此确定适当的措施。
决策树模型的优缺点分析与应用场景探讨(五)
决策树模型的优缺点分析与应用场景探讨1. 决策树模型的优点决策树模型是一种常见的机器学习算法，它具有以下几个优点：首先，决策树模型易于理解和解释。
决策树模型的决策过程类似于人类的决策过程，通过一系列的问题和判断来得出最终的决策结果，因此非专业人士也可以比较容易地理解和解释决策树模型。
其次，决策树模型能够处理各种类型的数据。
无论是连续型数据还是离散型数据，决策树模型都能够有效地处理，这使得它在实际应用中具有较强的通用性。
另外，决策树模型不需要太多的数据预处理。
相比于其他机器学习算法，决策树模型对数据的要求相对较低，不需要进行过多的数据处理和特征工程，这有利于节省建模时间和提高建模效率。
总的来说，决策树模型具有易于理解和解释、能够处理各种类型的数据以及不需要太多的数据预处理等优点。
2. 决策树模型的缺点除了以上的优点之外，决策树模型也存在一些缺点：首先，决策树模型容易产生过拟合。
由于决策树模型在建立决策过程时会不断地进行划分，当划分过多时，模型会过分拟合训练数据，从而导致对未知数据的泛化能力较弱。
其次，决策树模型对输入数据的噪声和缺失值较为敏感。
当输入数据存在噪声或者缺失值时，决策树模型容易出现错误的判断和决策，从而影响模型的准确性和稳定性。
另外，决策树模型对于特征之间的相关性较为敏感。
当输入数据中存在高度相关的特征时，决策树模型可能会产生冗余的判定节点，从而影响模型的简洁性和可解释性。
总的来说，决策树模型容易产生过拟合、对数据的噪声和缺失值较为敏感以及对特征之间的相关性较为敏感等缺点。
3. 决策树模型的应用场景决策树模型在实际应用中具有较为广泛的应用场景，主要包括以下几个方面：首先，决策树模型在金融风控领域有着广泛的应用。
通过对客户的个人信息、信用记录等数据进行建模和分析，可以利用决策树模型对客户的信用风险进行评估和预测，从而帮助金融机构进行风险管理和决策支持。
其次，决策树模型在医疗诊断领域也有着重要的应用。
项目选择方法(决策树法)
项目选择方法(决策树法)
项目选择方法 (决策树法)
决策树法是一种常用的项目选择方法，它基于决策树模型，帮助决策者制定明智的项目选择决策。
下面是使用决策树法进行项目选择的步骤：
1. 定义目标：明确项目选择的目标和要解决的问题。
例如，可能需要选择一个具有最高投资回报率的项目。
2. 收集数据：收集与项目选择相关的各种数据和信息，包括项目的预计成本、预期收益、风险评估等。
3. 构建决策树：根据收集到的数据和信息，构建一个决策树模型。
决策树模型由决策节点、分支和叶节点组成，用于模拟不同决策选择和不同结果之间的关系。
4. 选择最佳路径：通过对决策树进行分析和计算，找到最佳的决策路径。
通常会考虑预期收益、风险、时间等因素。
5. 进行决策：根据决策树分析的结果，做出最终的项目选择决策。
选择具有最高投资回报率且风险可控的项目。
6. 监控和评估：项目选择后，密切监控项目的执行和结果，评估决策的准确性和有效性。
决策树法具有简单、直观、易于理解和应用的特点，因此在项目选择中得到广泛应用。
但需要注意的是，决策树法的结果取决于输入的数据和所设定的决策规则，因此在实际应用中应谨慎选择并验证数据的准确性，以避免不准确的决策。
以上是使用决策树法进行项目选择的简要介绍，希望能对您有所帮助。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于决策树的PPP项目优选算法及关键因素探究
作者：赵林浩
来源：《楚商》2019年第07期
摘要：PPP模式有着诸多的优点，不仅激活了私人部门在基础设施建设方面的活力，减轻政府的财政负担，并且充分发挥私人部门的技术优势，高效率高质量地进行项目建设。
然而，由于这种模式在中国起步晚，各种制度相对不完善，项目落地率一直处于较低水平。
本文使用PPP项目数据，通过决策树算法优选落地可能性较大的项目，为中国各级政府审批项目时提供参考，提高项目的落地率。
同时，通过所构建的决策树得出影响项目落地率的关键因素。
关键词：PPP;决策树;关键因素
PPP模式又称政府和社会资本合作，是政府部门允许私人部门参与到其提供公共物品的过程中，利用私人部门在资金、技术、管理等方面的优势，更有效率地为社会提供公共物品，并适当满足私人部门的营利目标，从而更好地实现其公共管理职能，这是一种共赢的投资管理模式。
根据财政部政府和社会资本合作中心数据显示，截止2019年4月30日，全国PPP综合信息平台项目管理库中，已入库项目8921个，总入库项目资金13.5万亿元，同比上半年，项目总数和总金额分别同比增加28.1% 和34.8%。
然而PPP项目年平均落地率持续低位运行，2016年项目落地率不足28%，直到2018年，项目落地率增加到47%左右。
虽然落地率有所上升，但总体落地率并不理想，大量的合约未如期进行。
1.算法介绍
决策树算法的主要思想是将数据有序化，并且在有序化过程中得出最优分类次序。
数据的混乱程度可以用信息熵来定量衡量，信息熵越小，混乱程度越小。
决策树算法采用信息增益最大为每次分类选取特征变量的标准，信息增益是指用所选特征分类前后信息熵的变化值。
如果某次分类后发现该决策树分支下数据对应的类别是相同的，或者已经用完所有的特征，决策树算法结束。
2.数据来源
PPP项目数据来自财政部政府和社会资本合作中心（PPP中心），其中包括项目所在省市、项目所属一级行业、二级行业、总投资额、回报机制、发起时间、发布时间、所处阶段。
项目所在省市的财政负担、城镇化率、人均GDP等数据来源于各省市统计年鉴以及《中国城市统计年鉴》。
本文是基于2018年PPP项目数据进行建模研究，本次选取截止2018年底河南省全省PPP项目数据。
3.数据处理
PPP 项目落地情况。
李倩等（2017）基于流程分析的观点将将PPP项目的操作过程划分为项目识别、项目准备、项目采购、项目执行和项目移交五个阶段。
据此，将数据中“是否落地”特征依据上述标准分类，处于项目识别、准备、采购阶段的项目属于“未落地项目”，处于项目执行、移交阶段的项目属于“落地”项目。
最后，我们再对“落地项目”进行筛选，超出平均落地时间50%的“落地项目”将变更为為“未落地项目”。
一级行业（indus）。
通过数据初步分析，删去样本数很少的一级行业特征，最终将数据归为“市政工程”、“交通运输”两个特征指标，分别标记为“1”、“2”。
总投资额（invest）。
投资额是影响项目建设速度一个重要指标，一般来说，投资额越大说明项目的重要性越大，但是同时大额的投资也可能会造成企业资金周转出现问题，进而导致项目建设搁置。
初步分析投资规模数据有离群值，计算上四分位数Q3为139744.5、下四分位数Q1为31624，四分位距IQR为108120.5，使用公式 max=Q3+1.5IQR， min=Q1-1.5IQR，计算出非离群值区间（-130556.75，301925.25），将超过上界的数值赋予“3”。
通过平均数将处于非离群值区间的数据分为两类，低于平均值的标记“1”，高于平均值的数据标记“2”。
回报机制（return）。
项目的回报机制会影响私人部门投资的意愿，进一步会影响项目的落地速度。
例如，如果项目采用政府付费的方式，私人部门可能会增加投资的兴趣，并且加速项目建设。
PPP项目的回报机制包括政府支付、可行性缺口补助、使用者付费，分别将其标记为“1”、“2”、“3”。
人均GDP（GDP）。
人均GDP是了解和把握一个国家或地区的宏观经济运行状况的有效指标，是衡量该地区经济发展状况的关键因素，对预测该项目是否能够成功落地有重要意义。
使用与总投资额分类相同的方法将数据分成三类：小于49713的数据赋值1，介于49713和68758之间的数据赋值“2”，其他赋值“3”。
财政负担（load）。
一个地区的财政负担会极大的影响政府是否有意愿促进PPP项目的实施落地。
选用“一般公共收入减去一般公共支出”的方法计算该地区的财政负担大小。
通过与平均值比较，将所有数据分为两类，小于平均值记为“1”，大于平均值记为“2”。
4.模型建立与结论
数据处理后，符合ID3决策树算法的数据要求，故建立ID3决策树模型。
本次研究采用交叉验证的思想，编制随机抽取样本的算法，每次使用90%的数据建立决策树，剩下10%的数据用来对决策树进行检验。
通过10次交叉验证，本次构建的决策树的平均正确率为89%，效果良好。
决策树不仅可以直观地表述对因变量的影响因素，并且可以得到每个决策路径中影响因素的强弱排序。
本次构建的决策树中，财政负担（load）是第一次分类的特征变量，紧接着该地区GDP（GDP）是第二次分类的特征变量。
国民生产总值是代表该地区经济发展的关键指标，经济越发达，项目推进会更加顺畅、速度更快，所以对社会资本的吸引力更强，私人部门更愿意将资本投入到这些经济发达地区;财政负担是衡量政府盈余情况的关键指标，由于PPP 项目多数是以政府支付的方式进行，该地区政府的财政负担是影响该PPP项目是否能够成功落地的关键因素，财政越充裕，项目落地率越高。
参考文献：
[1]张雷. PPP模式的风险分析研究[D].财政部财政科学研究所，2015.
[2]李倩，李杏丽.基于流程分析的PPP项目关键成功因素识别[J].铁道科学与工程学报，2017，14（02）：415-424.
作者简介：赵林浩（1998-），男，汉族，河南汝州人，单位：河南大学经济学院，2016级本科生，经济统计学专业。