Po ta ov podpora rozhodovania
Sponsored Links
This presentation is the property of its rightful owner.
1 / 24

Počítačová podpora rozhodovania PowerPoint PPT Presentation


  • 81 Views
  • Uploaded on
  • Presentation posted in: General

Počítačová podpora rozhodovania. Cvičenie 5 z predmetu RaZ Časť ROZHODOVANIE. Počítače a rozhodovanie. Autonómne – plne automatické rozhodovanie. Neautonómne – semi-automatické rozhodovanie. Autonómne rozhodovanie. Identifikovať typ rozhodovacieho problému Klasifikácia Predikcia ...

Download Presentation

Počítačová podpora rozhodovania

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Počítačová podpora rozhodovania

Cvičenie 5 z predmetu RaZ

Časť ROZHODOVANIE


Počítače a rozhodovanie

  • Autonómne – plne automatické rozhodovanie

  • Neautonómne– semi-automatické rozhodovanie


Autonómne rozhodovanie

  • Identifikovať typ rozhodovacieho problému

    • Klasifikácia

    • Predikcia

    • ...

  • Vybrať metódu pre výpočet váhovania

  • Validácia vhodnosti váhovania

  • Generovanie rozhodovacieho modelu (učenie)

  • Testovanie rozhodovacieho modelu

  • Používanie rozhodovacieho modelu


1. Identifikovať typ rozhodovacieho problémuKLASIFIKÁCIA


1. Identifikovať typ rozhodovacieho problémuPREDIKCIA

  • Nie na základe predpokladov a domnienok

  • Na základe predošlých dát, štatisticky separovateľných zložiek (trend, periodicitu, náhodnosť )

  • Iných predikčných modelov


1. Identifikovať typ rozhodovacieho problémuZHLUKOVANIE


2. Metóda pre výpočet váhovania

  • Spôsob určovania preferencie

  • Väčšinou je viazaná na rozhodovací problém

  • Typické pre všetky metódy rozhodovania


3. Validácia váhovania

  • Tzv. validačná časť bázy dát

  • Zvyčajne tvorí 10% základného súboru

  • Najčastejšia metóda – krížová validácia


3. Validácia váhovania

  • Iné metódy:

    • Testovanie hypotéz

    • Kritériovávalidita – miera zhody s určitým kritériom

    • Obsahová validita – validácia nečíselných charakteristík a váh (použiteľné aj pri validácii fuzzy lingvistických premenných)


3. Rozdiel medzi validitou a spoľahlivosťou


4. Generovanie rozhodovacieho modelurozhodovací strom


4. Generovanie rozhodovacieho modeluneurónový model


4. Generovanie rozhodovacieho modeluzhlukovací model


5. Testovanie modelu

  • Používa sa testovacia množina, väčšinou 20-40% základného súboru náhodným výberom vzoriek

  • Podľa percentuálnej úspešnosti sa hodnotí chyba modelu (resp. úspešnosť).

  • Najpoužívanejšie charakteristiky:

    • MAE – Meanaverageerror – stredná absolútna chyba

    • MSE – Meansquareerror – stredná kvadratická chyba

    • MAPE – Meanabsolutepercentageerror – Stredná absolútna percentuálna chyba


6. Používanie modelu


Neautonómne rozhodovanie

viď. Prvé cvičenie – algoritmus rozhodovania


Prípadová štúdia

Návrh metódy profilácie študenta do systému pre podporu rozhodovania

V. Gašpar, J. Štofa, A. Lukáčová


Podpora rozhodovania pri výbere predmetov


Váhovanie

  • Predmety zvyčajne obsahujú tri kritériá:

    • Teoretické (T - theoretical)

    • Praktické (P - practical)

    • Vedecké (S -scientific)

  • Rolu expertov majú učitelia resp. garanti predmetov

  • Možné aplikovať skupinové rozhodovanie na určenie troch kritériálnych váh každého predmetu viacerými expertmi

  • Tento systém je teda systém pre podporu rozhodovania (DSS).


Výpočet váh predmetu do ročného profilu

  • Váhy určuje expert (vyučujúci) predmetu alebo experti v škále 1-10 s tým, že hodnotí praktickú, teoretickú a vedecko-výskumnú dôležitosť predmetu

  • kde

  • n – id predmetu,

  • k – počet predmetov v akademickom roku,

  • Wn– váha vybraná pre n-tý predmet v vyučujúcim (expertom).

  • Rn – percentuálny výsledok študenta na predmete n predelený 100.

  • Podľa predošlých vzťahov sa finálne koeficienty akademického roka tzv. PTS profil študenta vypočíta samostatne pre všetky zložky nasledovne:


Využitie

  • Usporiadanie predmetov podľa vhodnosti pre konkrétneho študenta

  • Možnosť vybrať si smer vzdelávania:

    • Teoretický

    • Praktický

    • Vedecko-výskumný

  • Racionálna profilácia študentov

  • CHYBY: Subjektivita pridelených váh


Príklad riešený touto metódou

  • Majme dva predmety a ich výsledky z predošlého akademického roka (tab.1).

  • Pomocou predošlých vzťahov je rating pridaný do výstupného profilu študenta z prvého a n - tého ročníka. Výsledky sú v druhej tabuľke.

  • Tab.1

  • Tab.2

  • Na hodnote finálneho ratingu (PQ, TQ, SQ) môžeme pozorovať, že po váhovaní výsledkov študenta budú v nasledujúcom období odporúčané predmety, ktoré majú najväčší vedecko-výskumný podiel, potom praktické a napokon teoretické predmety.


Otázky?


ĎAKUJEM ZA POZORNOSŤ


  • Login