Wspomaganie procesów decyzyjnych przez wykorzystanie algorytmów regułowych wyznaczających istotność atrybutów

Iwona Chomiak-Orsa , Filip Wójcik

Abstract

Modern decision support systems make use of machine learning and artificial intelligence to solve complicated problems. One of them is classification, understood in this context as assigning objects to categories. Amongst many methods to achieve this goal, rulebased systems pay special attention, because they provide an end-user not only with direct answers to a given problem, but also produce useful insights into correlations present in a dataset. In this article new method has been proposed − application and modification of Leo Breiman’s original Random Forest solution combined with backwards elimination (known from classic regression) − and tested on real credit decisions dataset. Differences in classification metrics between base and augmented classifier were checked using cross-validation testing, and statistical significance. The article concludes with further research suggestions.
Author Iwona Chomiak-Orsa (MISaF / IBI / DBIiM)
Iwona Chomiak-Orsa,,
- Department of Business Intelligence in Management
, Filip Wójcik (WUE)
Filip Wójcik,,
- Wrocław University of Economics
Other language title versionsDetecting business-relevant attributes in rule-based classification
Journal seriesInformatyka Ekonomiczna, ISSN 1507-3858, e-ISSN 2450-0003, (B 12 pkt)
Issue year2017
No4 (46)
Pages55-65
Publication size in sheets0.5
Keywords in Polishuczenie maszynowe, sztuczna inteligencja, wspomaganie decyzji, klasyfikacja, systemy regułowe, analiza danych
Keywords in Englishmachine learning, artificial intelligence, decision support, classification, rule based systems, data science
Abstract in PolishNowoczesne systemy wspomagania decyzji biznesowych korzystają niejednokrotnie z uczenia maszynowego i sztucznej inteligencji do rozwiązywania skomplikowanych problemów. Jednym z nich jest klasyfikacja postrzegana w tym kontekście jako przyporządkowywanie obserwacji (obiektów) określonym kategoriom. Wśród wielu metod umożliwiających osiągnięcie tego celu znajdują się algorytmy regułowe, które poza wspomaganiem decyzji pozwalają zaobserwować korelacje wewnątrz wolumenów danych. Ma to szczególne znaczenie w przypadku decyzji uwzględniających duże wolumeny danych. Procedury te napotykają jednak problemy w przypadku silnego zaburzenia proporcji kategorii lub poszczególnych atrybutów. Odpowiedzią na to wyzwanie może być skuteczna metoda wyboru cech istotnych. W artykule wykorzystano jedną z odmian testu permutacyjnego. Jako przykład zastosowania biznesowego omówione zostało wykorzystanie algorytmu RIPPER użytego do analizy wiarygodności kredytowej klientów instytucji finansowej.
DOIDOI:10.15611/ie.2017.4.05
Languagepl polski
LicenseJournal (articles only); author's original; Uznanie Autorstwa - Użycie Niekomercyjne - Bez utworów zależnych (CC-BY-NC-ND); after publication
File
Chomiak-Orsa_Wojcik_Wspomaganie_procesow_decyzyjnych_przez_wykorzystanie_algorytmow.pdf 394,17 KB
Score (nominal)12
ScoreMinisterial score = 12.0, 02-07-2019, ArticleFromJournal
Citation count*
Cite
Share Share

Get link to the record


* presented citation count is obtained through Internet information analysis and it is close to the number calculated by the Publish or Perish system.
Back