Model-based decision support systems are preferred due to consistency in decision-making and due to time-efficiency in model evaluation and modification. Constructing a model may take time if a number of random variables are involved in the model and the model structure is not simple. Classification is a form of decision making under a certain loss structure.
We consider a decision support system based on a Bayesian network(BN) where all the variables involved are binary, each taking on 0 or 1 and have various background distributions.
We explore classification agreement between Bayesian network models by applying the concept of model similarity. We use a beta distribution and its variation at each variable for its conditional probability given its parent variables in a given Bayesian network model. A main result of this work is that we may use a Bayesian network model to make a robust classification when the true Bayesian network model satisfies the positive association condition among the variables involved in the model.
모형에 기반한 결정지원시스템은 결정과정에 있어서의 일관성과 모형 평가, 변형에 있어서 시간적 효율성 때문에 선호된다. 모형을 구축하는데에 있어서 모형안에 포함된 변수가 많거나 모형이 복잡하다면 많은 시간이 필요하다. 이러한 상황에서 분류법은 일정부분 정보손실을 인정하고 빠르게 의사결정을 하는 방법이다.
관련변수들이 0 또는 1의 값을 갖는 이항변수이고 다양한 배경분포를 가지는 베이지안 네트워크에 기반한 결정지원시스템을 고려한다.
모형사이의 유사성에 대한 개념을 적용하기 위해 베이지안 네트워크 사이의 등급일치에 대해 조사한다. 베타분포, 변형된 베타분포를 주어진 베이지안 네트워크 모델의 조건부 확률분포로 사용하였다. 이 작업의 주요 결과는 진짜 베이지안 네트워크 모델이 변수들 사이에서 PA(Positive Association) 조건을 만족할때 강건한 분류를 위해 베이지안 네트워크 모델을 사용할 수 있다는 것이다.