1、決策理論和方法(4)智能決策理論和方法(1)，2 2020。不確定性決策，不確定性決策：表示各種狀態(tài)發(fā)生的概率和未來狀態(tài)也很難掌握的決策問題。特征：狀態(tài)的不確定性。不確定性：不確定性源于人類主觀認(rèn)識(shí)和客觀實(shí)際之間的差異。事物的隨機(jī)性、人類知識(shí)的不完全、可靠性、不準(zhǔn)確、不一致、自然語言的模糊性和模糊性都反映了這些差異，并帶來了不確定性。不確定性可能導(dǎo)致具有相同說明信息的對(duì)象屬于不同的概念。問題解決主要理論方法：人工智能和不確定性理論、智能決策理論和方法、1、智能決策理論的形成背景2、知識(shí)發(fā)現(xiàn)3、粗糙集理論4、機(jī)器學(xué)習(xí)、智能決策理論和方法的形成背景，人類面臨著越來越復(fù)雜的決策工作和決策環(huán)境：與決策

2、問題相關(guān)的變量大小越來越大。決策依賴信息具有不完全性、模糊性、不確定性等特點(diǎn)，很難定量表達(dá)決策問題。一些決策問題及其目標(biāo)可能模糊不清，決策者很難明確自己的偏好，隨著決策分析的深入，對(duì)決策問題的認(rèn)識(shí)不斷加深，出現(xiàn)了現(xiàn)有偏好/傾向不斷修改，決策過程不斷調(diào)整的情況。傳統(tǒng)的決策數(shù)學(xué)模型也是復(fù)雜的決策問題、具有不確定性的決策問題、半結(jié)構(gòu)化、智能決策理論和方法AI的應(yīng)用模式、智能決策方法是應(yīng)用人工智能(Artificial Intelligence，AI)相關(guān)理論方法，是將傳統(tǒng)決策數(shù)學(xué)模型和方法相結(jié)合的智能推理和解決方法的決策方法。一般的特點(diǎn)是不確定、不完整、可以在模糊的信息環(huán)境中應(yīng)用，有兩種茄子主要模式

3、將AI應(yīng)用于決策科學(xué)。對(duì)于可以正確構(gòu)建數(shù)學(xué)模型的決策問題，組合爆炸、參數(shù)過多等問題的解決是不可能的，因此需要通過AI的智能搜尋演算法來獲得問題的數(shù)值解法。對(duì)于不能創(chuàng)建精確數(shù)學(xué)模型、半結(jié)構(gòu)化或非結(jié)構(gòu)化決策問題的不確定性決策問題，必須使用AI方法構(gòu)建相應(yīng)的決策模型，并獲得問題的近似解決方案。智能決策理論和方法，1，智能決策理論的形成背景2，知識(shí)發(fā)現(xiàn)3，粗糙集理論4，機(jī)器學(xué)習(xí)，知識(shí)發(fā)現(xiàn)動(dòng)機(jī)，智能決策核心是如何獲取決策支持信息和知識(shí)。問題知識(shí)收集是知識(shí)庫系統(tǒng)(KBS)的最大瓶頸，知識(shí)發(fā)現(xiàn)動(dòng)機(jī)，獲取問題推理規(guī)則與KBS的知識(shí)收集一樣困難，因此基于案例的推理牙齒逐漸轉(zhuǎn)變?yōu)榛诎咐乃阉鳌ＶR(shí)發(fā)現(xiàn)動(dòng)機(jī)，問題

4、數(shù)據(jù)分析員與醫(yī)生決策者之間的問題了解偏差創(chuàng)造性決策建議的技術(shù)問題不足：查詢效率(RDBMS)，知識(shí)發(fā)現(xiàn)動(dòng)機(jī)，優(yōu)勢(shì)知識(shí)問題本身獨(dú)立于知識(shí)獲取主要數(shù)據(jù)挖掘，知識(shí)發(fā)現(xiàn)動(dòng)機(jī)，KDD提供的新問題知識(shí)發(fā)現(xiàn)問題數(shù)據(jù)異構(gòu)問題，數(shù)據(jù)噪音，信息不完整，什么數(shù)據(jù)本身具有權(quán)威性，客觀性，但沒有知識(shí)。如何評(píng)價(jià)知識(shí)？知識(shí)發(fā)現(xiàn)基本概念，知識(shí)發(fā)現(xiàn)(KDD):在大量數(shù)據(jù)中隱式(也稱為數(shù)據(jù)挖掘)。牙齒過程主要包括三個(gè)階段：數(shù)據(jù)準(zhǔn)備階段、數(shù)據(jù)挖掘階段和解釋評(píng)估階段。、知識(shí)發(fā)現(xiàn)基本概念、數(shù)據(jù)準(zhǔn)備階段通常包括數(shù)據(jù)選擇、字典處理和數(shù)據(jù)轉(zhuǎn)換等任務(wù)。選擇數(shù)據(jù)：根據(jù)您的需要從原始數(shù)據(jù)集提取樣本數(shù)據(jù)集，以確定挖掘任務(wù)的操作數(shù)。一般數(shù)據(jù)源：關(guān)系數(shù)

5、據(jù)庫數(shù)據(jù)：市場(chǎng)營(yíng)銷數(shù)據(jù)庫文本數(shù)據(jù)：內(nèi)容挖掘(如web內(nèi)容挖掘，查找類似頁面)web數(shù)據(jù)：網(wǎng)站結(jié)構(gòu)數(shù)據(jù)(如web結(jié)構(gòu)挖掘，網(wǎng)站設(shè)計(jì)最優(yōu)化，網(wǎng)站導(dǎo)航，自適應(yīng)網(wǎng)站)；站點(diǎn)使用數(shù)據(jù)或點(diǎn)擊流數(shù)據(jù)(例如web使用挖掘、用戶群集、頁面群集、個(gè)人推薦等)空間數(shù)據(jù)、圖像數(shù)據(jù)、視頻數(shù)據(jù)等。知識(shí)發(fā)現(xiàn)基本概念、數(shù)據(jù)字典處理：噪聲數(shù)據(jù)處理、空處理、屬性類型轉(zhuǎn)換噪聲數(shù)據(jù)處理：噪聲數(shù)據(jù)是由于輸入錯(cuò)誤或某些外部因素的干擾而自覺提供的錯(cuò)誤數(shù)據(jù)。如何刪除噪音數(shù)據(jù)？噪音數(shù)據(jù)和系統(tǒng)中的某些小概率數(shù)據(jù)統(tǒng)稱為“異常數(shù)據(jù)(Outlier)”，如何區(qū)分噪音數(shù)據(jù)和小概率數(shù)據(jù)？處理空值：如果由于“不重要”、“未知”或“不想”而使某些屬性值未知，

6、則這些值稱為空值。如何處理這些缺少的值？屬性類型轉(zhuǎn)換：連續(xù)屬性離散化或離散屬性合成連續(xù)屬性等，知識(shí)發(fā)現(xiàn)基本概念，數(shù)據(jù)轉(zhuǎn)換(數(shù)據(jù)減少):以某種方式減少算法搜索空間。垂直減少(也稱為圖征選取、屬性減少):使用維度減少或轉(zhuǎn)換方法減少變數(shù)數(shù)目是常見的組合優(yōu)化問題。水平減少是通過對(duì)象的分析(離散化、一般化等)合并具有相同屬性值的對(duì)象，從而減少對(duì)象的數(shù)量。知識(shí)發(fā)現(xiàn)基本概念，數(shù)據(jù)挖掘階段：在準(zhǔn)備應(yīng)用相關(guān)算法的數(shù)據(jù)中查找隱式信息利用(例如預(yù)測(cè)、決策等有價(jià)值的模型)。需要考慮的問題：工作決策：分類、聚類、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)等方法選擇：統(tǒng)計(jì)方法、機(jī)器學(xué)習(xí)方法、不確定性方法、數(shù)據(jù)庫技術(shù)等是知識(shí)發(fā)現(xiàn)的核心，也是最廣泛的內(nèi)容

7、。數(shù)據(jù)挖掘方法很多，我們必須充分理解它們的應(yīng)用條件和前提條件。運(yùn)營(yíng)效率分析：不同算法的效率差異很大。算法設(shè)計(jì)和選擇往往是準(zhǔn)確度和效率之間的平衡。知識(shí)發(fā)現(xiàn)基本概念、數(shù)據(jù)挖掘工作和一般方法：摘要摘要：從一般化的角度抽象數(shù)據(jù)摘要，即從低級(jí)數(shù)據(jù)中抽象高級(jí)說明的過程。主要方法：柔道學(xué)習(xí)。發(fā)現(xiàn)關(guān)聯(lián)規(guī)則：關(guān)聯(lián)規(guī)則采用AB格式，a在前，b后。(day=Friday)and(product=nappies)(product=beer)是典型的關(guān)聯(lián)規(guī)則a(滿足前置任務(wù)的對(duì)象集)、n(滿足后置任務(wù)的對(duì)象b)和n(所有對(duì)象集)。一般方法：Apriori算法。知識(shí)發(fā)現(xiàn)基本概念，分類(等價(jià)關(guān)系，歧視):按類標(biāo)簽(數(shù)據(jù)庫中的屬性集，通常僅包含一個(gè)屬性)對(duì)數(shù)據(jù)庫中的對(duì)象進(jìn)行分類。具有相同標(biāo)簽值或標(biāo)簽值的對(duì)象與指定間隔內(nèi)的對(duì)象相同。分類規(guī)則是確定對(duì)象是否屬于特定類的充分條件。也就是說，如果對(duì)象具有特定類的屬性，則該對(duì)象屬于該類。規(guī)則的格式通常是IF LogicExp Then A類Else B類。主要方法：邏輯回歸、判別分析、決策樹、ANN、粗糙集、SVM等集群(兼容關(guān)系):集群也稱為段。也就是說，將數(shù)據(jù)庫中的實(shí)體分成多個(gè)組或群集。每個(gè)群集內(nèi)的實(shí)體都類似。規(guī)則格式是IF O1和O2相似的Then O1、O2位于同一集群中。對(duì)象相似的判斷方法有很多。典型方法：K-means、知識(shí)發(fā)現(xiàn)基本概念、發(fā)現(xiàn)