基于无监督学习的数据包络分析泛化

在本文中，我们介绍了一种用于生产边界估计的无监督机器学习方法。这种新方法满足微观经济学的基本性质，如凸性和自由可支配性（形状约束）。该方法通过将一类支持向量机与分段线性变换映射相适应，推广了数据包络分析（DEA）。该新技术旨在减少DEA中出现的过拟合问题。介绍了如何通过定向距离函数来度量技术效率。最后，我们通过计算经验评估了新技术的性能，表明在某些情况下，前沿估计的均方误差比标准DEA高出83%。