Decision support system(DDS) is a computerized for helping make decisions between alternatives. Classification is a form of decision making under a certain loss structure due to time-efficiency. We are interested in a classification problem where the class levels are in accordance with the rank order of the probability values of a random variable with various background distribution.
We consider a model-bases DSS where all the variables involved are binary, the probability that a certain variable is equal to 1(1 for success and 0 for failure)is categorized, and classifications are made for the variable in term of category levels. And we introduce a similary measure between Bayesian network(BN) models and describe how a BN model can be constructed which is similar to a given BN model. Then under the condition that all the variables are positively associated with each other, a method of obtaining the agreement levels between two models is described.
Conclude by saying that we recommend to use this type of model to get robust classification when the Bayesian network model satisfies the positive association condition among the variables involved in the model.
We assigned rank- order the conditional probabilities according to various Beta distributions to each variable which is provided from a Bayesian network model under PA condition. The conditional probability is the probability that a subject has a certain attribute given an outcome of some other variables and the classification is based the rank-order.
When the Bayesian network model satisfies the positive association condition among the variables involved in the model, We can get robust classification with assuming same distribution for each variable, even which is uniform.
결정지원시스템은 여러 대안 사이의 의사결정을 돕기 위해 컴퓨터화 되어 있다. 그 중 분류법은 일정부분 정보손실을 인정하고 빠르게 의사결정을 하는 방법이다. 본 학위논문에서는 구분된 등급이 다양한 배경의 분포를 가진 변수의 확률값을 순서대로 배열을 따를 때의 구분법에 관심을 갖는다.
모든 변수들이 이항변수인 모델에 기반한 결정지원시스템을 고려하는데, 특정 한 변수가 1일 때의 확률을 범주화 하고, 5개의 등급으로 확률변수를 범주화 하는 예측이 만들어 진다. 베이지안 네트워크 모델 사이에 유사성 측정을 소개하고, 어떻게 주어진 베이지안 모델과 유사하게 모델을 만들 수 있는지 기술한다. 이런 조건 아래에 모든 변수들이 양(+)의 관계를 가지고 있을 때, 두 모델 사이의 일치 등급 값을 얻을 수 있는 방법이 기술된다.
결론적으로 베이지안 네트워크 모델이 변수들 사이에서 PA(positive Association)조건을 만족할 때 여러개의 변수가 하나의 분포를 따른다고 가정하여, 심지어 이 분포가 균일분포라 할지라도 강건한 분류를 얻을 수 있다.
