• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Machine learning >Learning Goal Oriented Bayesian Networks for Telecommunications Risk Management
【24h】

Learning Goal Oriented Bayesian Networks for Telecommunications Risk Management

机译：面向学习目标的贝叶斯网络用于电信风险管理

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper discusses issues related to Bayesian network model learning for unbalanced binary classification tasks. In general, the primary focus of current research on Bayesian network learning systems (e.g., K2 and its variants) is on the creation of the Bayesian network structure that fits the database best. It turns out that when applied with a specific purpose in mind, such as classification, the performance of these network models may be very poor. We demonstrate that Bayesian network models should be created to meet the specific goal or purpose intended for the model.rnWe first present a goal-oriented algorithm for constructing Bayesian networks for predicting uncollectibles in telecommunications risk-management datasets. Second, we argue and demonstrate that current Bayesian network learning methods may fail to perform satisfactorily in real life applications since they do not learn models tailored to a specific goal or purpose. Third, we discuss the performance of "goal oriented" K2 and its variant.
机译：本文讨论了与用于不平衡二进制分类任务的贝叶斯网络模型学习有关的问题。通常，当前对贝叶斯网络学习系统（例如，K2及其变体）的研究的主要重点是创建最适合数据库的贝叶斯网络结构。事实证明，当考虑到特定目的（例如分类）进行应用时，这些网络模型的性能可能会很差。我们证明应该创建贝叶斯网络模型以满足模型的特定目的或目的。首先，我们提出一种面向目标的算法，用于构建贝叶斯网络以预测电信风险管理数据集中的不可回收性。其次，我们争论并证明，当前的贝叶斯网络学习方法可能无法在现实生活中获得令人满意的性能，因为它们没有学习针对特定目标或目的量身定制的模型。第三，我们讨论“面向目标” K2的性能及其变体。

著录项

  • 来源
    《Machine learning》|1996年|139-147|共9页
  • 会议地点 Bari(IT);Bari(IT)
  • 作者

    Kazuo J. Ezawa; Moninder Singh; Steven W. Norton;

  • 作者单位

    ATT Bell Laboratories 600 Mountain Avenue Murray Hill, NJ 07974;

    University of Pennsylvania Dept. of Computer Information Science Philadelphia, PA 19104-6389;

    ATT Bell Laboratories 600 Mountain Avenue Murray Hill,NJ 07974;

  • 会议组织
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 计算机的应用;
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号