Partisi Himpunan Atribut untuk Sistem Penalaran Probabilistik

Abstract

The ability of a computerized system to model the reasoning process of humans has become an important area of research. This research considers a probabilistic reasoning system for applications that require decision making under uncertain conditions. The reasoning system captures the uncertainty associated with different feasible outcomes, and based on historical data, provides users with a measure of this uncertainty. To make accurate prediction, the scheme requires that predictive variables that are not conditionally independent of each other given the outcome be grouped into compound attributes for the purpose of estimating probabilistic. These compound attributes partition the entire set of predictive attributes into disjoint sets. An important design issue, then, is that the appropriate partitioning scheme be obtained before the reasoning scheme is used in practice. Formulated[by] a problems to find the optimal partitioning plan , and present five different(although related) heuristic techniques to induce partitioning from historical cases. Using simulated data, all five techniques are shown to capture accurately underlying dependencies across attributes when a reasonable amount of historical data is available for analysis. In situations where few historical cases are available, the induced structures are less accurate. In such situations, the performance of induced structures for making probability predictions is nevertheless found to be as good as that when using the true structure.

Kemampuan sistem komputasi untuk memodelkan proses penalaran manusia adalah sesuatu yang penting dalam peninjauan suatu permasalahan. Peninjauan ini membutuhkan suatu sistem penalaran probabilistik dalam berbagai aplikasi yang dibutuhkan untuk membuat suatu keputusan pada kondisi yang tak pasti. Sistem penalaran yang mengandung ketidakpastian diasosiasikan dengan kemungkinan hasil yang berbeda-beda dan didasarkan pada data historikal, memberikan para pengguna suatu penaksiran pada ketidakpastian tersebut. Untuk membuat suatu penaksiran yang akurat skema partisi membutuhkan variabel prediksi yang bebas secara kondisional satu sama lainya yang ada sehingga memberikan hasil yang dapat dikelompokan ke atribut gabungan dengan tujuan estimasi probabilitas. Artibut gabungan tersebut mempartisi seluruh himpunan artibut prediksi ke himpunan gabungan. Suatu hal penting, selanjutnya adalah membuat skema partisi diperbolehkan sebelum skema penalaran digunakan. Dirumuskan permasalahan untuk menemukan penyekatan yang optimal dan menunjukan lima teknik heuristik berbeda (meskipun ada hubunganya satu dan yang lainya)untuk menghasilkan partisi dari kasus historika. Dengan menggunakan data yang tersimulasi, kelima teknik tersebut ditunjukan untuk mendapatkan kebebasan artibut untuk suatu jumlah pelalaran pada data gabungan yang tersedia untuk dianalisis. Dalam situasi dimana terdapat beberapa kasus historikal,penggunaan stuktur gabungan kurang akurat. Dalam situasi ini,penggunaan stuktur gabungan yntuk membuat prediksi probabilitas pada akhirnya didapat penyelesaian yang sesuai dengan hasil yang didapat saat menggunakan stuktur kebenaran.