2023年6月22日，西班牙Miguel Hernandez University of Elche (UMH)教授Juan Aparicio應(yīng)邀在線做題為“The use of machine learning techniques to estimate technical efficiency（用機器學習方法測算技術(shù)效率）”的學術(shù)報告。報告會由王科教授主持，中心和學院的師生30余人參加。
Juan Aparicio教授在報告中討論了Free Disposal Hull（FDH）方法和Data Envelopment Analysis（DEA）方法存在的過擬合問題，并提出了一種基于分類與回歸樹（Classification and Regression Tree，CART）的解決方案。這種方案被命名為Efficiency Analysis Trees（EAT）。Juan Aparicio教授也通過與FDH、DEA等方法在均方誤差（Mean-Square Error, MSE）、絕對偏差（Absolute Bias）等指標的對比，展示了EAT方法相對于現(xiàn)有模型的優(yōu)越性。此外Juan Aparicio教授也提出了可以通過剪枝、隨機叢林等方法對EAT模型進行優(yōu)化。報告后，中心和學院的師生就EAT模型的改進方案、實證應(yīng)用等問題與Juan Aparicio教授進行了深入交流和探討。
Juan Aparicio是西班牙Miguel Hernandez University of Elche (UMH)統(tǒng)計、數(shù)學和信息技術(shù)系的教授，也是運籌學中心的負責人。他曾擔任桑坦德銀行效率和生產(chǎn)力主席的聯(lián)合主席（與Knox Lovell教授）。他的研究興趣包括與機器學習和數(shù)據(jù)科學相結(jié)合的效率與生產(chǎn)力分析。他與Springer出版社合作，獨立或共同編輯了幾本書，主要集中于使用數(shù)據(jù)包絡(luò)分析進行績效評估和基準測試；并在不同的國際期刊上發(fā)表了約150篇科學文章。這些期刊包括European Journal of Operational Research，OMEGA，Annals of Operations Research，International Journal of Production Economics，Journal of Optimization Theory and Applications，Journal of Productivity Analysis，Operational Research，Socio-Economic Planning Sciences，以及Computers and Operations Research and Computers and Industrial Engineering。特別是，他最近發(fā)表了幾篇不同機器學習技術(shù)的改進文章，從方法論的角度估計生產(chǎn)函數(shù)和技術(shù)效率。此外，他還將新方法應(yīng)用于教育、銀行等不同部門的真實數(shù)據(jù)庫。他曾在DEA International Conference in 2020等多個會議上擔任主旨發(fā)言人。他目前是Omega-The International Journal of Management Science和Journal of Productivity Analysis的副主編。
