• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of general systems >Extraction of decision rules via imprecise probabilities
【24h】

Extraction of decision rules via imprecise probabilities

机译：通过不精确的概率提取决策规则

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

Data analysis techniques can be applied to discover important relations among features. This is the main objective of the Information Root Node Variation (IRNV) technique, a new method to extract knowledge from data via decision trees. The decision trees used by the original method were built using classic split criteria. The performance of new split criteria based on imprecise probabilities and uncertainty measures, called credal split criteria, differs significantly from the performance obtained using the classic criteria. This paper extends the IRNV method using two credal split criteria: one based on a mathematical parametric model, and other one based on a non-parametric model. The performance of the method is analyzed using a case study of traffic accident data to identify patterns related to the severity of an accident. We found that a larger number of rules is generated, significantly supplementing the information obtained using the classic split criteria.
机译：数据分析技术可用于发现要素之间的重要关系。这是信息根节点变化（IRNV）技术的主要目标，该技术是一种通过决策树从数据中提取知识的新方法。原始方法使用的决策树是使用经典拆分标准构建的。基于不精确概率和不确定性度量的新分割标准的性能（称为“裂缝分割标准”）与使用经典标准获得的性能有很大不同。本文扩展了IRNV方法，使用了两个credal分割标准：一个基于数学参数模型，另一个基于非参数模型。使用交通事故数据案例研究分析该方法的性能，以识别与事故严重性相关的模式。我们发现生成了大量规则，从而大大补充了使用经典拆分标准获得的信息。

著录项

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