第04讲 智能决策理论与方法-1(1)解析
决策理论与方法
决策理论与方法决策是指在面对不同选择时，通过一定的思考和分析过程，做出最终的决定。
在个人生活和各种组织中，决策都是一个非常重要的过程，它直接关系到个人和组织的发展和成长。
因此，决策理论与方法成为了一个备受关注的领域，其研究对于提高决策质量和效率具有重要意义。
决策理论主要包括了多种不同的理论模型，其中最为著名的是期望效用理论和风险决策理论。
期望效用理论强调个体在决策时会考虑到各种可能结果的概率和效用，从而做出最优选择。
而风险决策理论则更加注重在面对不确定性和风险时，如何进行决策以最大程度地降低风险。
这些理论为我们提供了不同的决策思路和方法，帮助我们更好地理解和应对各种决策情境。
在实际决策中，我们还可以运用多种不同的决策方法来辅助决策过程。
比如，决策树分析方法可以帮助我们在复杂的决策情境中，通过构建决策树来清晰地呈现各种选择和可能结果，从而帮助我们做出更为理性和全面的决策。
而层次分析法则是一种较为系统和科学的决策方法，它可以帮助我们在多目标、多因素的情况下，进行层次化的分析和决策，从而更好地平衡各种因素，做出最为合理的选择。
除此之外，决策还需要考虑到决策者的个人特点和心理因素。
心理学家们提出了多种不同的决策模型，如启发式决策模型和直觉决策模型，这些模型帮助我们更好地理解决策者在决策过程中所面临的认知和心理偏差，从而更好地指导我们在实际决策中如何避免这些偏差，提高决策的准确性和效率。
综上所述，决策理论与方法是一个非常广泛和深入的领域，它涉及到多个学科的知识和理论。
通过深入研究和应用决策理论与方法，我们可以更好地指导个人和组织在面对各种决策情境时，做出更为理性和有效的决策，从而推动个人和组织的发展和进步。
希望通过本文的介绍，读者们能对决策理论与方法有一个更为全面和深入的了解，从而在实际生活和工作中更好地运用这些理论和方法，提高决策的质量和效率。
决策理论与方法
决策理论与方法决策是指在面对不同选择时，通过一系列思考和分析，做出最终的选择。
在个人生活和组织管理中，决策都扮演着至关重要的角色。
决策的好坏直接关系到个人和组织的发展和成败。
因此，决策理论和方法的研究显得尤为重要。
首先，要了解决策的基本原理。
决策理论主要包括了主观理性决策和行为决策两种类型。
主观理性决策是指在完全信息条件下，个体可以准确地评估各种选择，并做出最优决策。
而在现实生活中，信息是不完全的，因此行为决策更为常见。
行为决策是指在不完全信息条件下，个体根据自身的认知和经验做出决策。
了解这些基本原理有助于我们更好地理解决策的本质和特点。
其次，要掌握决策的方法和技巧。
在决策过程中，我们可以运用多种方法来提高决策的质量。
比如说，决策树是一种常用的决策分析方法，通过构建决策树模型，可以清晰地展现每个决策节点的选择和结果，帮助决策者做出更明智的选择。
此外，头脑风暴、SWOT分析、成本效益分析等方法也都可以在不同场合发挥重要作用。
掌握这些决策方法和技巧，可以帮助我们更加科学地进行决策，提高决策的准确性和效率。
再者，要注意决策的风险和不确定性。
在实际决策过程中，我们往往面临各种风险和不确定性。
比如说，市场的变化、竞争的加剧、技术的更新等都会给我们的决策带来不确定因素。
因此，在决策过程中，我们需要充分考虑到这些风险和不确定性，采取相应的措施来降低风险，增加决策的成功概率。
最后，要不断总结和反思。
决策是一个不断学习和提高的过程。
我们在实际决策中，不可避免地会犯错，但重要的是能够从错误中吸取教训，不断总结和反思。
只有不断提高自身的决策能力，才能在面对复杂的环境和问题时，做出更加明智和有效的决策。
综上所述，决策理论和方法是一个复杂而又重要的课题。
通过深入学习和理解决策的基本原理、掌握决策的方法和技巧、注意决策的风险和不确定性，以及不断总结和反思，我们可以提高自身的决策能力，更加科学地进行决策，为个人和组织的发展创造更大的价值。
决策理论与方法概述
决策理论与方法概述决策理论与方法是指在特定条件下，为了解决问题或达成目标而进行的一系列分析、评估和选择的过程。
决策理论与方法的研究旨在帮助决策者更加科学地进行决策，提高决策的效率和准确性。
本文将对决策理论与方法进行概述，并介绍一些常用的决策方法。
决策理论有两个基本概念，即风险和不确定性。
风险是指在特定条件下，决策者可以对决策结果的概率进行预测，从而对不同的决策进行评估和选择。
而不确定性则表示决策者对决策结果的概率无法准确预测，决策者只能根据自己的判断和经验进行决策。
决策理论与方法的应用范围非常广泛，包括经济、管理、政治、环境等领域。
在经济学领域，决策理论与方法主要用于分析经济行为中的决策问题，如企业投资决策、个人消费决策等。
在管理学领域，决策理论与方法用于帮助管理者进行组织决策，如人员招聘、生产计划等。
在政治学领域，决策理论与方法则用于分析政治决策的过程和结果。
在环境领域，决策理论与方法用于帮助决策者进行环境管理和保护的决策。
在决策理论与方法的研究中，有一些经典的决策方法被广泛应用。
其中之一是期望效用理论。
期望效用理论认为决策者在进行决策时，会根据不同决策结果的期望效用来进行评估和选择。
期望效用理论的核心概念是效用函数，它表示决策结果对决策者的价值。
在实际应用中，决策者可以通过问卷调查或实验等方法来获取决策者的效用函数，从而进行具体的决策。
除了期望效用理论之外，还有一些其他的决策方法被广泛应用。
其中之一是多准则决策方法。
多准则决策方法用于解决同时考虑多个准则的决策问题。
在多准则决策中，决策者需要对不同准则的重要性进行评估，并根据准则的重要性对不同决策进行评估和选择。
常见的多准则决策方法包括层次分析法、模糊综合评价法等。
此外，还有一些其他的决策方法也是重要的研究和应用领域。
例如，决策树方法用于解决分类和回归问题。
在决策树方法中，决策问题被表示为树状结构，每个节点表示一个决策或事件，每个分支表示一个决策条件或事件概率。
第04讲智能决策理论与方法-1.ppt
数据预处理—空值估算
❖ 空值是指属性值未知且不可用、与其它任何值都不相同的符 号。在样本数据集中，空值在所有非主码属性中都可能出现。 空值出现的主要原因： ✓ 在信息收集时忽略了一些认为不重要的数据或信息提供 者不愿意提供，而这些数据对以后的信息处理可能是有 用的； ✓ 某些属性值未知； ✓ 数据模型的限制。
2020年10月17日9时50分
知识发现—动机
推理机
推理结果
问题请求
决策者
知识库
数据挖掘工具
背景知识 领域专家
数据中心
❖ 优点 ✓ 知识独立于问题本身 ✓ 知识的获取主要通过数据挖掘实现 ✓ 有创造性收获
决策理论与方法-智能决策理论与方法
2020年10月17日9时50分
Data Mining within the DSS
若其属性ci
的取值在区间
[ci j 1
,
ci j
)(
j
(1,2,,
ki
))
内，则将属
性值重新标记为j。这样就把原来含有连续属性的样本数据集
A转换成离散化的数据集 AP 。因此离散化问题本质上可归结
为利用选取的分割点对属性的值域空间进行划分的问题。
决策理论与方法-智能决策理论与方法
2020年10月17日9时50分
等信息量分割首先将测量值进行排序，然后将属性值域分成 k个区间，每个区间包含相同数量的测量值。假设某个属性 的最大属性值为xmax ，最小属性值为xmin ，用户给定的分割 点参数为k，样本集中的对象个数为n，则需要将样本集中的 对象按该属性的取值从小到大排列，然后按对象数平均划分 为k段即得到分割点集，每两个相邻分割点之间的对象数均 为n/k。
❖ 解决问题的主要理论方法：人工智能与不确定性理论
第04讲智能决策理论与方法1
知识发现—空值估算
v 空值处理的常用方法： ™ 从训练集中移去含未知值的实例； ™ 用某个最可能的值进行替换； ™ 基于样本中其它属性的取值和分类信息，构造规则来预 测丢失的数据，并用预测结果“填补”丢失值； ™ 应用贝叶斯公式确定未知值的概率分布，选择一最可能 的值填补空值或根据概率分布用不同值填补空值形成多 个对象； ™ 将含有未知值的一个给定样本数据集转换成一个新的、 可能不相容的但每个属性值均已知的数据集，方法是将 某个属性的未知值用所有该属性的可能值替换形成多个 数据集。
™ 聚类(相容关系)：聚类也叫分段，就是将数据库中的实 体分成若干组或簇，每簇内的实体是相似的。规则形式 为IF O1与O2相似 Then O1、O2在同一簇。对象相似的判 断方法有多种如距离法。典型方法：K-means
第04讲智能决策理论与方法1
知识发现—基本概念
™ 发现特征规则：特征规则是刻划某个概念的特征的断言， 它相当于分类规则的逆命题。例如病症是某种疾病的特 征。规则一般形式是：IF A类 Then 特征表达式。
第04讲智能决策理论与方法1
知识发现—基本概念
™ 结果评价：确定所发现模式的可信度。基本方法是将样 本数据集分成二部分，一部分是训练集用来发现模式， 另一部分是测试集，分析结果的可信度。
™ 处理结果维护：信息处理所涉及的样本数据集常常是动 态变化的，因此需要对所处理的结果进行维护以保证结 果与数据的变化相一致。维护可以对数据变化引起的特 殊问题重新应用所建立的处理方法，或者应用某种增量 处理算法。
•·规则归纳 •·贝叶斯网络
•·基于案例推 •·模糊逻辑
理
•·粗糙集理论
•·遗传算法 •·证据理论
•·神经网络
决策理论和方法
决策理论和方法(章节目录)Decision Theory and Technology 引言第一章决策的基本概念§1-1引论一、决策与决策分析的定义1. Decision的本义:(牛津词典)2.苏联大百科全书3.<现代科学技术辞典>4. <美国大百科全书>的“Decision Theory”条：5. 美国现代经济词典6. 哈佛管理丛书：7.决策的政治含义二、发展简史三、地位(与其他学科的关系)1.是运筹学的一支2. 控制论的延伸3.管理科学的重要组成部分4.系统工程中的重要部分5.是社会科学与自然科学的交叉，典型的软科学§1-2决策问题的基本特点与要素一、特点二、要素§1-3决策问题的分类一、按容易区分的因素划分二、按涉及面的宽窄三、个人事务决策与公务决策§1-4 决策人与决策分析人一、问题的复杂性：二、微观经济学和决策论关于经济人的假定：三、决策人和决策分析人的分工§1-5 分析方法和步骤一、决策树与抽奖二、分析步骤习题进一步阅读的文献第二章主观概率和先验分布Subjective Probability and Prior Distribution§2-1 基本概念一、概率（probability）. 频率Laplace在《概率的理论分析》(1812)中的定公理化定义二、主观概率(subjective probability, likelihood)1. 为什么引入主观概率2.主观概率定义三、概率的数学定义四、主客观概率的比较§2-2 先验分布(Prior distribution)及其设定一、设定先验分布时的几点假设二、离散型随机变量先验分布的设定三、连续型RV的先验分布的设定1.直方图法2.相对似然率法3.区间对分法4.与给定形式的分布函数相匹配5. 概率盘法(dart)§2-3 无信息先验分布一、为什么要研究无信息先验二、如何设定无信息先验分布§2.4 利用过去的数据设定先验分布一、有θ的统计数据二、状态θ不能直接观察时习题进一步阅读的文献第三章效用、损失和风险(Utility,Loss and Risk)§3—1 效用的定义和公理系统一、引言 ·为什么要引入效用二、效用的定义三、效用存在性公理理性行为公理 Von Neumann-Morenstern, 1994 [169]四、基数效用与序数效用 (Cardinal & Ordinal Utility)§3.2 效用函数的构造一、离散型的概率分布二、连续型后果集§3.3 风险与效用一、效用函数包含的内容1.对风险的态度2.对后果的偏好强度3.效用表示时间偏好二、可测价值函数确定性后果偏好强度的量化三、相对风险态度四、风险酬金五、钱的效用§3.4 损失、风险和贝叶斯风险一、损失函数L二、风险函数三、贝叶斯风险习题进一步阅读的文献第四章贝叶斯分析Bayesean Analysis§4.1引言一、决策问题的表格表示——损失矩阵二、决策原则三、决策问题的分类：四、按状态优于§4.1 不确定型决策问题一、极小化极大(wald)原则二、极小化极小三、Hurwitz准则四、等概率准则(Laplace)五、后悔值极小化极大准则(svage-Niehans)六、Krelle准则：七、莫尔诺(Molnor)对理想决策准则的要求 (1954)§4.2 风险型决策问题的决策原则一、最大可能值准则二、贝叶斯原则三、贝努利原则四、E—V(均值—方差)准则五、不完全信息情况下的决策原则(Hodges-Lehmann原则)§4.3贝叶斯定理一、条件概率二、贝叶斯定理§4.4 贝叶斯分析的正规型与扩展型一、正规型分析二、扩展型贝叶斯分析(Extensive Form Analysis)三、例§4.5 非正常先验与广义贝叶斯规则一、非正常先验(Improper Prior)二、广义贝叶斯规则(General Bayesean Rule)§4.6 一种具有部分先验信息的贝叶斯分析法一、概述二、分析步骤三、几何意义§4.7 序贯决策习题进一步阅读的文献第五章随机优势Stochastic Dominance§5.1 Markowitz 模型§5.2 优势原则(Dominance Principle)一、最简单的优势原则：(强随机优势)1.按状态优于：2.E—V排序3. Markowitz模型二、为什么要研究优势原则三、优势原则的一般表示§5.3 一、二、三等随机优势一、第一等随机优势FSD (First-Degree S D)1.第一类效用函数U2.第一等随机优势定义：3.例：二、第二等随机优势SSD三、第三等随机优势TSD四、N等随机优势习题进一步阅读的文献第六章随机性决策的应用(The Application of Probabilistic Decision-making) Murphy’s law & Callahan’s corollary§6.1 常用的决策模型§6.2 几种与决策过程有关的结构模型一、Y、C、Ho二、《思考、计算、决策》三、Howard的模型四、西蒙关于决策的模型五、几点说明1.好的决策=好的结果2.理论是规范化、规定性的，而非描述性的(人文学科)3.决策分析人是建立决策的模型的专家而非作决策的专家六、评估过程(估值)§6.3 行为决策理论一、引言二、主要研究内容习题进一步阅读的文献第七章多目标决策的基本概念Foundational Concept of Multi-criterion Decision-making 本章主要参考文献: 68, 111, 112§7.0 概述一、特点二、分类三、几个术语的含义§7.2 多目标决策与多目标评价一、多目标决策的求解过程二、多目标评价§7.3 多目标决策问题的五要素一、决策单元(Decision-making Unit)二、目标集及其递阶结构三、属性集和代用属性四、决策形势(情况)( Decision Situation)五、决策规则(Decision Rule)§7.4多目标决策问题(MCDP)的符号表示§7.4 非劣解及其生成一、定义二、非劣解的生成三、最佳调和解(Best Compromise Solution)习题进一步阅读的文献第八章多属性效用理论(Multi-attribute Utility Theory)§8.1 优先序一、二元关系二、二元关系的种类§8.2多属性价值函数一、价值函数的存在性二、加性价值函数三、其他简单形式§8.3多属性效用函数一、二个属性的效用函数二、效用独立三、拟加性效用函数及例习题进一步阅读的文献第九章多属性决策问题(Multi-attribute Decision-making Problem)即: 有限方案多目标决策问题§9.1概述一、决策矩阵(属性矩阵、属性值表)二、数据预处理常用的数据预处理方法1 线性变换2 标准0-1变换3 最优值为给定区间时的变换4 向量规范化5 原始数据的统计处理6 专家组成员意见的规范化三、方案筛选§9.2 加权和法一、引言二、字典序法与一般加权和法三、确定权的常用方法四、层次分析法AHP五、最低层目标权重的设定1.网状结构树状结构六、权重的敏感性分析§9.3 TOPSIS法§9.4基于相对位置的方案排对法§9.5 ELECTRE一、级别高于关系(Outranking Relation)二、级别高于关系的性质：三. 级别高于关系的构造四、级别高于关系的使用五 ELECTRE-Ⅱ六、讨论§9.6 PROMETH§9.7 其它方法习题进一步阅读的文献第十章多目标决策(Multi-objective Decision-making)§10.1 序言一、问题的数学表达二、最佳调和解与决策人的偏好三、决策人偏好信息的获取方式1.在优化之前2.在优化过程中：逐步索取偏好信息3．在优化之后§10.2 目的规划法一、距离测度的选择二、目的规划问题的表述三、分类四、例：§10.3字典序法§10.4 逐步进行法(STEP Method)§10.5 调和解和移动理想点法§10.6 SEMOP(多目标问题的序贯解法)一、思路与记号二、解题步骤三、优缺点§10.7Geoffrion法一、思路二、求解步骤三、优缺点§10.8 代理值置换法(Surrogate worth Trade-off Method)一、思路：二、求解步骤第十一章群决策与社会选择Group Decision-making and Social Choice Theory§11-1概述一、为什么要研究群决策二、分类三、社会选择的定义与方式§11.2 投票表决(选举)(V oting)一、非排序式投票表决(Non-ranked Voting Systems)(一)只有一人当选候选人只有两个候选人多于两个时①简单多数(相对多数)②过半数规则(绝对多数Majority)a.二次投票,b.反复投票(二). 同时选出二人或多人1.单一非转移式投票表决(Single nontransferable voting)2. 复式选举(Multiple voting)3.受限的选举(Limited voting)4. 累加式选举(Cumulate voting)5. 名单制(List system)(1)最大均值法:⑵. 最大余额法:6. 简单可转移式选举(Single nontransferable voting)7. 认可选举( Approval vote )(三). 其它投票表决(选举)方法1. 资格认定2.非过半数规则⑴2/3多数,⑵2/3多数⇒60%多数⑶3/4多数⑷过半数支持, 反对票少于1/3⑸一票否决二、偏好选举与投票悖论 ( Paradox of voting )1.记号2.Borda法( 1770年提出)3. Condorcet原则( 1785年提出)4.多数票循环(投票悖论)5. 出现 Condorcet效应的概率三、策略性投票(操纵性)１．小集团控制群２．谎报偏好而获益3. 程序(议程)问题四、衡量选举方法优劣的标准§11.3 社会选择函数一、引言二、社会选择函数的几个性质三、社会选择函数1. Condorcet-函数2 Borda-函数3. Copeland-函数4. Nanson函数5.Dodgson函数6.Kemeny函数7.C ook-Seiford函数8.本征向量函数9. Bernardo函数§11.4 社会福利函数(Social Welfare Function)一、社会福利(Social Welfare)二、偏好断面(profile of preference ordering)(偏好分布)1. 可能的偏好序2. 偏好断面：三、Arrow的条件(即社会福利函数应当具有的性质)四、Arrow 的可能性定理五、单峰偏Black好与Coombs条件六、SCF与SWF的比较§11.5群效用函数一、导致Arrow不可能定理的原因二、群效用函数与多目标效用函数的比较群决策提法本身存在缺陷习题进一步阅读的文献第十二章冲突分析Conflict Analysis§12.1引言一、群决策的分类二、研究沿革§12.2 Nash谈判模型一、问题表述：二、基本假设三、Nash提出的四条公理——为了预先求得谈判结果四、定理五、评注：.§12.3 其他谈判模型一、等效用法(即K-S法)二、中间——中间法三、均衡增量法§12.4 谈判问题与效用一、谈判问题建立在效用空间上的必要性二、使用效用存在的问题§12.5 仲裁与调解(Arbitration & Mediation)一、强制性仲裁(Binding Arbitration)二、最终报价仲裁(Final-offer Arbitration)三、复合仲裁法(Combination arbitration)四、调解§12.6 n人合作对策一、术语：二、Nash-Harsanyi谈判模型三、Shapley值四、Raiffa的裁决五、例一(存在核)六、例二(不存在核的情况)§12.7 投资分摊与协调规划法习题进一步阅读的文献参考文献习题的参考答案与提示决策理论和方法（讲稿）Decision Theory and Technology§0-0 引言:1.讲义: 陈 先生编著: 决策分析 科学出版社2.主要参考书: (1) 参考文献中书 * 56 60 68 111 112 118 120 论文 70 72 86 87 94 107 119152 154 159(2) Hwang,C.L. Group Decision under Multi-Criterion.(1987)(3) Howard Raiffa The arts and science of Negotiation(1982)中译本: 谈判的艺术与科学 湖北科技出版社,1986 以及 清华大学出版社1989 (4) 决策科学手册 天津科技翻译出版公司, 1989 (5) Ralph es 主编Systems Concepts —Lecture on Contemporary Approaches to Systems中译本: 系统思想:当代系统方法讲座 走向未来丛书 四川人民出版社（６） S ang M.Lee 著 宣家冀 卢开译 决策分析的目标规划 清华大学出版社（７） 贵州人民出版社 决策科学丛书（８） S imon,H. 现代决策理论的基石 北京经济学院出版社1991 （９） S imon,H. 管理行为 北京经济学院出版社 1988 3.讲课方式与复习△讲课内容 基本概念的建立和难点: 多举例希望： 课堂内随时提问，多讨论，有意见及时反映 适当预习，扩大阅读范围，扩大知识面作业请自觉完成 （ 注意课内外学时之比1:2） △目录中带*的可以跳过△考试与成绩评定：考试占70%～80%平时作业20%，做即可得50% 4.各章节间关系138910111245267第一章随机性决策的基本概念§1-0引论一、决策与决策分析的定义1. Decision的本义:(牛津词典)the act of decidinga conclusive judgmentthe conclusion arrived at;2.苏联大百科全书:"决策是自由意志行动的必要元素……和实现自由意志行动的手段。
智能决策技术原理及应用(一)
智能决策技术原理及应用(一)摘要]随着经济的快速发展，能正确、快速地做出决策无疑是赢得市场获取最大经济效益的保证。
决策支持系统可以看成是管理信息系统和运筹学相结合而发展起来的，它要求有很强的数值计算能力，又要有很强的数据处理能力，而目前的计算机语言的支持能力不足，使得决策支持系统的发展非常缓慢。
关键词]决策支持系统人工智能专家系统一、智能决策技术概述1.决策支持系统的形成随着计算机技术和应用的发展，如科学计算、数据处理、管理信息系统的发展以及运筹学和管理科学的应用，为决策支持系统的形成打下了基础。
决策支持系统(DecisionSupportSystem—DDS)是80年代迅速发展起的新型计算机学科。
70年代初由美国M.S.ScottMorton在《管理决策系统》一文中首先提出决策支持系统的概念。
DSS实质上是在管理信息系统和运筹学的基础上发展起来的。
管理信息系统重点在对大量数据的处理。
运筹学在运用模型辅助决策体现在单模型辅助决策上。
随着新技术的发展，所需要不得不解决的问题会愈来愈复杂，所涉及的模型会愈来愈多，模型类型也由数学模型扩充数据处理模型。
模型数量也愈来愈多。
这样，对多模型辅助决策问题，在决策支持系统出现之前是靠人来实现模型间的联合和协调。
决策支持系统的出现就是要解决由计算机自动组织和协调多模型运行，对大量数据库中数据的存取和处理，达到更高层次的辅助决策能力。
决策支持系统的新特点就是增加了模型库和模型库管理系统，它把众多的模型(数学模型和数据处理模型以及更广泛的模型)有效地组织和存储起来，并且建立了模型库和数据库的有机结合。
这种有机结合适应人机交互功能，自然促使新型系统的出现，即DDS的出现。
它不同于MIS数据处理，也不同于模型的数值计算，而是它们的有机集成。
它既有数据处理功能又具有数值计算功能。
决策支持系统概念及结构。
决策支持系统是综合利用大量数据，有机组合众多模型(数学模型与数据处理模型等)，通过人机交互，辅助各级决策者实现科学决策的系统。
第04讲智能决策理论与方法-176
决策理论与方法-智能决策理论与方法
2019年11月22日7时0分
数据预处理—连续属性离散化
问题描述
1 23
ki-1 ki
……
c si
ci 0
ci 1
i 2
c c e i
i
ki 1
ki
i
设 A U, C D 为一样本数据集，U {x1 , x2 ,, xn } 为非空有限
集合，C是条件属性集，D是决策属性集。假设对于任意ci C
2019年11月22日7时0分
智能决策理论与方法
1、智能决策理论的形成背景 2、知识发现 3、粗糙集理论 4、机器学习
决策理论与方法-智能决策理论与方法
2019年11月22日7时0分
知识发现—动机
智能决策的核心是如何获取支持决策的信息和知识。
推理机
推理结果
问题请求
决策者
知识库
知识工程师 领域专家
决策理论与方法-智能决策理论与方法
2019年11月22日7时0分
数据预处理—空值估算
空值处理的常用方法： 从训练集中移去含未知值的实例； 用某个最可能的值进行替换； 基于样本中其它属性的取值和分类信息，构造规则来预 测丢失的数据，并用预测结果“填补”丢失值； 应用贝叶斯公式确定未知值的概率分布，选择一最可能 的值填补空值或根据概率分布用不同值填补空值形成多 个对象； 将含有未知值的一个给定样本数据集转换成一个新的、 可能不相容的但每个属性值均已知的数据集，方法是将 某个属性的未知值用所有该属性的可能值替换形成多个 数据集。
决策理论与方法-智能决策理论与方法
2019年11月22日7时0分
为什么要开展数据挖掘？
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
文本数据：内容挖掘(如Web内容挖掘，寻找相似页面) Web数据：站点结构数据(如Web结构挖掘，优化站点
设计，站点导航，自适应站点)；站点使用数据或点击 流数据(如Web使用挖掘，用户聚类、页面聚类，个性 化推荐等) 空间数据、图像数据、视频数据等。
决策理论与方法-智能决策理论与方法 2018年10月6日6时45分
决策问题所涉及的变量规模越来越大；
决策所依赖的信息具有不完备性、模糊性、不确定性等
特点，使得决策问题难以全部定量化地表示出来；
某些决策问题及其目标可能是模糊的、不确定的，使得
决策者对自己的偏好难以明确，随着决策分析的深入， 对决策问题的认知加深，自己原有的偏好/倾向得到不断 地修正，使得决策过程出现不断调整的情况，
本数据集分成二部分，一部分是训练集用来发现模式， 另一部分是测试集，分析结果的可信度。
处理结果维护：信息处理所涉及的样本数据集常常是动
态变化的，因此需要对所处理的结果进行维护以保证结 果与数据的变化相一致。维护可以对数据变化引起的特 殊问题重新应用所建立的处理方法，或者应用某种增量 处理算法。
决策理论与方法-智能决策理论与方法
这时，传统的决策数学模型已经难以胜任求解复杂度过高的 决策问题、含有不确定性的决策问题以及半结构化、非结构 化的决策问题，因而产生了智能决策理论、方法及技术。
2018年10月6日6时45分
决策理论与方法-智能决策理论与方法
智能决策理论与方法—AI的应用模式
智能决策方法是应用人工智能(Artificial Intelligence, AI)相 关理论方法，融合传统的决策数学模型和方法而产生的具有 智能化推理和求解的决策方法，其典型特征是能够在不确定、 不完备、模糊的信息环境下，通过应用符号推理、定性推理 等方法，对复杂决策问题进行建模、推理和求解。AI应用于 决策科学主要有两种模式： 针对可建立精确数学模型的决策问题，由于问题的复杂 性，如组合爆炸、参数过多等而无法获得问题的解析解， 需要借助AI中的智能搜索算法获得问题的数值解； 针对无法建立精确数学模型的不确定性决策问题、半结 构化或非结构化决策问题，需要借助AI方法建立相应的 决策模型并获得问题的近似解。
聚类(相容关系)：聚类也叫分段，就是将数据库中的实
体分成若干组或簇，每簇内的实体是相似的。规则形式 为IF O1与O2相似 Then O1、O2在同一簇。对象相似的判 断方法有多种如距离法。典型方法：K-means
决策理论与方法-智能决策理论与方法 2018年10月6日6时45分
知识发现—基本概念
集，一般仅包含一个属性)对数据库中的对象进行分类， 具有相同标签值或标签值在指定区间内的对象属于同类。 分类规则是判断某个对象属于某类的充分条件即对象具 有某类的属性时则表示该对象属于该类。其规则形式一 般为IF LogicExp Then A类 Else B类。主要方法：逻辑 回归、判别分析、决策树、ANN、粗糙集、SVM等。
2018年10月6日6时45分
知识发现—空值估算
空值是指属性值未知且不可用、与其它任何值都不相同的符 号。在样本数据集中，空值在所有非主码属性中都可能出现。 空值出现的主要原因：
在信息收集时忽略了一些认为不重要的数据或信息提供
者不愿意提供，而这些数据对以后的信息处理可能是有 用的；
发现特征规则：特征规则是刻划某个概念的特征的断言，
它相当于分类规则的逆命题。例如病症是某种疾病的特 征。规则一般形式是：IF A类 Then 特征表达式。
序列模式发现：它与关联规则相似，不同之处在于事件
的发生有前后顺序，该规则一般形式为：At(i)→Bt(j)
其中t(i)<t(j)。例如序贯规则Jacket and Tie→Shoes表示客 户在买了“夹克”和“领带”之后就会买“鞋”。
决策理论与方法-智能决策理论与方法
2018年10月6日6时45分
知识发现—基本概念
数据挖掘阶段：应用相关算法从准备好的数据中寻找数据中 隐含的对信息利用如预测、决策等有价值的模式。需要考虑 的问题：
任务的确定：分类、聚类、关联规则发现等。
方法的选择：统计方法、机器学习方法、不确定性方法、
决策理论与方法-智能决策理论与方法
2018年10月6日6时45分
知识发现—基本概念
偏离探测：探测测量值与期望值之间的差别并对其进行
解释。常有三种偏离类型：随时间偏离(以历史值为期望
值)、与标准偏离(以标准值为期望值)、与预测偏离(以 预测值为期望值)。
回归：根据历史数据拟合一函数将属性集映射到相应的
值集。回归可以看作一种分类，区别是分类的类标签值 是离散的，而回归是连续的。
决策理论与方法-智能决策理论与方法
2018年10月6日6时45分
知识发现—基本概念
64K income m-male，f-female
聚类模型
32K
16K
m mmm f m m m m m m m mf m mm m f m mm m m m mm m m f m m m mm mm m m m mf m m f mm mm m mm
| A B | Support N
Confidence | A B | | A|
A为满足前件的对象集，B为满足后件的对象，N为全部 对象集。典型方法：Apriori算法。
决策理论与方法-智能决策理论与方法 2018年10月6日6时45分
知识发现—基本概念
分类(等价关系，判别)：按类标签(为数据库中的某属性
知识发现—基本概念
数据预处理：噪音数据处理、空值处理、属性类型转化
噪音数据处理：噪音数据往往是因输入错误而导致的、
或受某种外界因素干扰而有意识提供的错误数据。如 何剔除噪音数据？噪音数据与系统中的一些小概率数 据统称为“异常数据(Outlier)”，如何区分噪音数据和 小概率数据？ 空值处理：有些数据由于“不重要”、不知道或“不 愿意”而没有获得，引起某些属性值未知，称此类值 为空值。如何处理这些缺失值？ 属性类型转化：连续属性离散化或将离散属性拟合成 连续属性等。
2018年10月6日6时45分
决策理论与方法-智能决策理论与方法
智能决策理论与方法
1、智能决策理论的形成背景
2、知识发现 3、机器学习 4、不确定性理论
决策理论与方法-智能决策理论与方法
2018年10月6日6时45分
知识发现—动机
智能决策的核心是如何获取支持决策的信息和知识。
推理机 推理结果 问题请求 决策者
数据挖掘任务及常采用的方法：
归纳总结：从泛化的角度总结数据，即从低层次数据抽
象出高层次的描述的过程。主要方法：归纳学习。
发现关联规则：关联规则的形式为A→B，A为前件，B
为后件。 (Day=Friday) and (Product=Nappies) → (Product=Beer)为一典型关联规则
不确定性理论 · 贝叶斯网络 · 模糊逻辑 · 粗糙集理论 · 证据理论
数据库技术 · 面向数据集方法 · 面向属性归纳 · 数据库统计
可视化技术
决策理论与方法-智能决策理论与方法
2018年10月6日6时45分
知识发现—基本概念
解释与评价阶段：
结果筛选：过滤(移去)不感兴趣的或显而易见的模式。
决策理论与方法-智能决策理论与方法 2018年10月6日6时45分
知识发现—动机
决策支持查询
决策者
查询结果
数
数据分析师与决策者之间对问题的理解存在偏差 缺少有创造性的决策建议 技术问题：如查询效率(RDBMS)
决策理论与方法-智能决策理论与方法
2018年10月6日6时45分
知识库
知识工程师
领域专家
问题
知识获取是基于知识的系统(KBS)的最大瓶颈
决策理论与方法-智能决策理论与方法
2018年10月6日6时45分
知识发现—动机
推理机 推理结果 问题请求 决策者 领域专家 案例库 规则库 知识工程师
问题
推理规则的获取与KBS中知识获取一样难，因而基于
案例推理(Case-Based Reasoning)渐渐变成基于案例检 索(Case-Based Retrieving)。
决策理论与方法-智能决策理论与方法 2018年10月6日6时45分
知识发现—基本概念
数据变换(数据约简)：通过某种方法降低算法的搜索空间。
垂直约简(也称特征选择、属性约简)：使用降维或变
换方法减少变量数目，是典型的组合优化问题。
水平约简是通过对对象的分析(包括离散化、泛化等)，
合并具有相同属性值的对象，减少对象数目。
利用描述规则特征的数值如信度、支持度或兴趣度等，
定义某个阈值，对规则进行筛选；
指定语义约束，规则的前件或后件只包含感兴趣的属
性，或者指定属性间的依赖性约束；
完全依靠用户对处理结果进行筛选。
决策理论与方法-智能决策理论与方法
2018年10月6日6时45分
知识发现—基本概念
结果评价：确定所发现模式的可信度。基本方法是将样
决策理论与方法(4)
——智能决策理论与方法(1)
合肥工业大学管理学院 2018年10月6日
不确定性决策
不确定性决策：指难以获得各种状态发生的概率，甚至对未 来状态都难以把握的决策问题。 特点：状态的不确定性。
不确定性：不确定性来自人类的主观认识与客观实际之
间存在的差异。事物发生的随机性、人类知识的不完全、 不可靠、不精确和不一致以及自然语言中存在的模糊性 和歧义性，都反映了这种差异，都会带来不确定性。不 确定性就造成了具有相同描述信息的对象可能属于不同 概念。