Грубые наборы теории принятия решений - Википедия - Decision-theoretic rough sets

в математическая теория решений, приблизительные наборы теоретических решений (DTRS) является вероятностным расширением грубый набор классификация. Впервые созданный в 1990 году доктором Юй Яо,^[1] расширение использует функции потерь для получения ${ displaystyle textstyle alpha}$ и ${ displaystyle textstyle beta}$ параметры региона. Как и грубые наборы, используются нижнее и верхнее приближения набора.

Определения

Ниже приведены основные принципы приблизительных наборов для теории принятия решений.

Условный риск

Используя байесовскую процедуру принятия решения, подход, основанный на теоретико-ориентированном приближении (DTRS), позволяет принимать решения с минимальным риском на основе наблюдаемых данных. Позволять ${ displaystyle textstyle A = {a_ {1}, ldots, a_ {m} }}$ быть конечным набором ${ displaystyle textstyle m}$ возможные действия и пусть ${ displaystyle textstyle Omega = {w_ {1}, ldots, w_ {s} }}$ быть конечным набором ${ displaystyle s}$ состояния. ${ displaystyle textstyle P (w_ {j} mid [x])}$ рассчитывается как условная вероятность объекта ${ displaystyle textstyle x}$ находясь в состоянии ${ displaystyle textstyle w_ {j}}$ учитывая описание объекта ${ Displaystyle textstyle [х]}$ . ${ displaystyle textstyle lambda (a_ {i} mid w_ {j})}$ обозначает убыток или стоимость выполнения действия ${ displaystyle textstyle a_ {i}}$ когда состояние ${ displaystyle textstyle w_ {j}}$ .Ожидаемый убыток (условный риск), связанный с принятием мер ${ displaystyle textstyle a_ {i}}$ дан кем-то:

{ Displaystyle R (a_ {i} mid [x]) = sum _ {j = 1} ^ {s} lambda (a_ {i} mid w_ {j}) P (w_ {j} mid [Икс]).}

Классификация объектов с помощью операторов аппроксимации может быть встроена в байесовскую структуру принятия решений. Набор действий задается ${ displaystyle textstyle A = {a_ {P}, a_ {N}, a_ {B} }}$ , куда ${ displaystyle textstyle a_ {P}}$ , ${ displaystyle textstyle a_ {N}}$ , и ${ displaystyle textstyle a_ {B}}$ представляют три действия при классификации объекта в POS ( ${ displaystyle textstyle A}$ ), ОТРИЦАТЕЛЬНЫЙ ( ${ displaystyle textstyle A}$ ) и БНД ( ${ displaystyle textstyle A}$ ) соответственно. Чтобы указать, находится ли элемент в ${ displaystyle textstyle A}$ или не в ${ displaystyle textstyle A}$ , множество состояний задается формулой ${ displaystyle textstyle Omega = {A, A ^ {c} }}$ . Позволять ${ displaystyle textstyle lambda (a _ { diamond} mid A)}$ обозначают убытки, понесенные в результате принятия мер ${ displaystyle textstyle a _ { diamond}}$ когда объект принадлежит ${ displaystyle textstyle A}$ , и разреши ${ displaystyle textstyle lambda (a _ { diamond} mid A ^ {c})}$ обозначают убытки, понесенные в результате того же действия, когда объект принадлежит ${ displaystyle textstyle A ^ {c}}$ .

Функции потерь

Позволять ${ displaystyle textstyle lambda _ {PP}}$ обозначают функцию потерь для классификации объекта в ${ displaystyle textstyle A}$ в POS-регион, ${ displaystyle textstyle lambda _ {BP}}$ обозначают функцию потерь для классификации объекта в ${ displaystyle textstyle A}$ в область BND, и пусть ${ displaystyle textstyle lambda _ {NP}}$ обозначают функцию потерь для классификации объекта в ${ displaystyle textstyle A}$ в регион СЕГ. Функция потерь ${ displaystyle textstyle lambda _ { diamond N}}$ обозначает потерю классификации объекта, который не принадлежит ${ displaystyle textstyle A}$ в регионы, указанные ${ displaystyle textstyle diamond}$ .

Принятие индивидуума может быть связано с ожидаемым убытком ${ Displaystyle textstyle R (а _ { алмаз} середина [х])}$ действия и могут быть выражены как:

{ displaystyle textstyle R (a_ {P} mid [x]) = lambda _ {PP} P (A mid [x]) + lambda _ {PN} P (A ^ {c} mid [ Икс]),}

{ displaystyle textstyle R (a_ {N} mid [x]) = lambda _ {NP} P (A mid [x]) + lambda _ {NN} P (A ^ {c} mid [ Икс]),}

{ displaystyle textstyle R (a_ {B} mid [x]) = lambda _ {BP} P (A mid [x]) + lambda _ {BN} P (A ^ {c} mid [ Икс]),}

куда ${ displaystyle textstyle lambda _ { diamond P} = lambda (a _ { diamond} mid A)}$ , ${ displaystyle textstyle lambda _ { diamond N} = lambda (a _ { diamond} mid A ^ {c})}$ , и ${ displaystyle textstyle diamond = P}$ , ${ displaystyle textstyle N}$ , или же ${ displaystyle textstyle B}$ .

Правила принятия решений с минимальным риском

Если рассматривать функции потерь ${ displaystyle textstyle lambda _ {PP} leq lambda _ {BP} < lambda _ {NP}}$ и ${ displaystyle textstyle lambda _ {NN} leq lambda _ {BN} < lambda _ {PN}}$ , формулируются следующие решающие правила (п, N, B):

п: Если ${ Displaystyle textstyle P (A середина [х]) geq gamma}$ и ${ Displaystyle textstyle Р (А середина [х]) GEQ альфа}$ , решить POS ( ${ displaystyle textstyle A}$ );
N: Если ${ Displaystyle textstyle Р (А середина [х]) Leq бета}$ и ${ Displaystyle TextStyle P (A середина [х]) Leq gamma}$ , решите NEG ( ${ displaystyle textstyle A}$ );
B: Если ${ Displaystyle TextStyle бета Leq P (A mid [x]) Leq alpha}$ , решите BND ( ${ displaystyle textstyle A}$ );

куда,

{ displaystyle alpha = { frac { lambda _ {PN} - lambda _ {BN}} {( lambda _ {BP} - lambda _ {BN}) - ( lambda _ {PP} - лямбда _ {PN})}},}

{ displaystyle gamma = { frac { lambda _ {PN} - lambda _ {NN}} {( lambda _ {NP} - lambda _ {NN}) - ( lambda _ {PP} - лямбда _ {PN})}},}

{ displaystyle beta = { frac { lambda _ {BN} - lambda _ {NN}} {( lambda _ {NP} - lambda _ {NN}) - ( lambda _ {BP} - лямбда _ {BN})}}.}

В ${ displaystyle textstyle alpha}$ , ${ displaystyle textstyle beta}$ , и ${ displaystyle textstyle gamma}$ значения определяют три разные области, что дает нам связанный риск для классификации объекта. Когда ${ displaystyle textstyle alpha> beta}$ , мы получили ${ displaystyle textstyle alpha> gamma> beta}$ и может упростить (п, N, B) в (п1, N1, B1):

P1: Если ${ Displaystyle textstyle Р (А середина [х]) GEQ альфа}$ , решить POS ( ${ displaystyle textstyle A}$ );
N1: Если ${ Displaystyle textstyle Р (А середина [х]) Leq бета}$ , решите NEG ( ${ displaystyle textstyle A}$ );
B1: Если ${ Displaystyle textstyle бета$ , решите BND ( ${ displaystyle textstyle A}$ ).

Когда ${ Displaystyle textstyle альфа = бета = гамма}$ , мы можем упростить правила (P-B) до (P2-B2), которые делят регионы исключительно на основе ${ displaystyle textstyle alpha}$ :

P2: Если ${ displaystyle textstyle P (A mid [x])> alpha}$ , решить POS ( ${ displaystyle textstyle A}$ );
N2: Если ${ displaystyle textstyle P (A mid [x]) < alpha}$ , решите NEG ( ${ displaystyle textstyle A}$ );
Би 2: Если ${ displaystyle textstyle P (A mid [x]) = alpha}$ , решите BND ( ${ displaystyle textstyle A}$ ).

Сбор данных, выбор функции, поиск информации, и классификации это лишь некоторые из приложений, в которых подход DTRS был успешно использован.

Смотрите также

внешняя ссылка

[1] Yao, Y.Y .; Wong, S.K.M .; Линграс, П. (1990). "Модель приблизительного набора теоретических решений". Методологии для интеллектуальных систем, 5, Труды 5-го Международного симпозиума по методологиям для интеллектуальных систем. Ноксвилл, Теннесси, США: Северная Голландия: 17–25.

[1]