2017. január 15., vasárnap

Üzleti logika építés elve

A hagyományos üzleti logika elve a sok feltétel vizsgálat, kiértékelési algoritmus elágazásai  (IF-ágak), súlytényezők egyéb művelet elemek együttese határozza meg a beavatkozási értéket (megadja a probléma megoldás lehetőségét)

A beavatkozási érték és a beavatkozási művelet elvégzi a várt tevékenységet (megoldja a problémát)..



A modern üzleti logika már inkább osztályozás, regresszió, korreláció vizsgálatok, döntési fák használata és tanulási algoritmusokkal építkezik.


Nézzük meg mik is ezek:

Egy döntési fa (decision tree) bemenetként egy attribútumokkal (attributes) leírt objektumot vagy szituációt kap, és egy „döntést” ad vissza eredményként – a bemenetre adott válasz jósolt értékét.

A bemeneti attribútumok lehetnek diszkrétek vagy folytonosak.

A kimeneti érték szintén lehet diszkrét vagy folytonos; egy diszkrét értékkészletű függvény tanulását osztályozás (classification) tanulásnak, míg a folytonos függvény tanulását regressziónak (regression) nevezzük. 

Bináris (Boolean) osztályozásra fogok koncentrálni, ahol minden példát vagy igaznak (pozitív), vagy hamisnak (negatív) sorolunk be.

A döntési fa egy tesztsorozat elvégzése során jut el a döntéshez. 

A fa minden egyes belső csomópontja valamely tulajdonság értékére vonatkozó tesztnek felel meg, a csomópontból kilépő ágakat pedig a teszt lehetséges kimeneteivel címkézzük.

 Minden egyes levélcsomópont megadja azt az értéket, amelyet vissza kell adnunk, ha ezt a levelet elértük


Egy döntési fa tanulásra szolgáló, valós problémák megoldását célzó rendszernek képesnek kell lennie mindezen problémák kezelésére. A folytonos értékű változók kezelése különösen fontos, mivel mind a fizikai, mind a gazdasági folyamatok numerikus értékekkel jellemezhetők.

A gyakorlatban ez valamilyen modellezési eszköz (SPSS modeler) megfelelő nodokba beköltve felparaméterezve gyámánt(-ok) legyártása és a gyémánt(-ok) folyamatba illesztése szintén  megadja a probléma megoldás lehetőségét.

Az ilyen modellben később csak tanítani (friss teszt mintákon áteresztve  a gyémántot frissíteni kell) és nem kell új nodokat, kapcsolatokat szabályokat bővíteni, mert a modell maga fedezi fel az újabb összefüggéseket, súlyokat, ... és úgy dolgozik, ahogy a az egyes teszt adat és elvárt kimenet relációja változik (tanuló modell).








Nincsenek megjegyzések:

Megjegyzés küldése

MS oktatások

Kicsit fejlesztettem és teszteltem magamat. https://docs.microsoft.com/hu-hu/ Érdemes végig csinálni, vagy legalább kipróbálni. ...