基于业务流程事件日志的下一事件预测中不同分类器、编码与集成方案的实证研究
机器学习
2020-08-26 v1
摘要
对于支持研究者和从业者针对给定预测任务选择最佳机器学习技术的经验基准的需求日益增长。在本文中,我们考虑业务流程预测监控中的下一事件预测任务,并通过研究不同编码窗口和使用集成方案对性能的影响,扩展了我们先前发布的基准。是否使用集成以及使用何种方案通常取决于数据类型和分类任务。尽管普遍理解集成在业务流程预测监控中表现良好,但下一事件预测是一项尚无其他涉及集成的基准可用的任务。所提出的基准帮助研究者在考虑中事件日志在案例层面的变异性时,选择高性能的单个分类器或集成方案。实验结果表明,为特征编码选择最优事件数是具挑战性的,导致需要在选择最优值时单独考虑每个事件日志。集成方案改善了此任务中低性能分类器(如 SVM)的表现,而高性能分类器(如基于树的分类器)在考虑集成方案时并未变得更好。
引用
@article{arxiv.2008.10748,
title = {An empirical investigation of different classifiers, encoding and ensemble schemes for next event prediction using business process event logs},
author = {Bayu Adhi Tama and Marco Comuzzi and Jonghyeon Ko},
journal= {arXiv preprint arXiv:2008.10748},
year = {2020}
}