一种辅助理解决策模型的不确定性表示方法
人工智能
2013-04-10 v1
摘要
许多现实世界模型可被表征为弱模型，意味着数据输入和推理中均存在显著的不确定性。这种缺乏确定性的特点使得计算机决策辅助系统的用户尤其难以理解模型并建立信心。本文提出了一种针对不确定性和效用的表示方法，可作为决策模型图形化摘要和计算机生成解释的框架。文中描述的测试该方法的应用是一个计算机决策辅助系统，旨在增强针对心绞痛患者（因心肌血流不足引起的胸痛）的医患咨询过程。该心绞痛模型被表示为贝叶斯决策网络。此外，概率和效用被视为随机变量，在其可能取值范围内具有概率分布。初始分布代表了所有具有心绞痛症状患者的信息，而该方法允许快速调整为更具体的患者分布。该框架提供了一种动态判断模型中每个变量重要性的度量标准。
引用
@article{arxiv.1304.2360,
title = {A Representation of Uncertainty to Aid Insight into Decision Models},
author = {Holly B. Jimison},
journal= {arXiv preprint arXiv:1304.2360},
year = {2013}
}
备注
Appears in Proceedings of the Fourth Conference on Uncertainty in Artificial Intelligence (UAI1988)