一种基于影响度的老年评估快速前置问卷模型
人工智能
2017-11-23 v1 机器学习
摘要
为提高老年评估的效率，提出了一种基于影响度的快速前置问卷模型（FPQM）。与传统评估相比，FPQM通过重新排序问卷属性来优化问卷。低排序属性的值可由高排序属性的值预测。因此，无需重新设计问卷即可减少属性数量。基于概率论提出了一种计算属性影响度的新函数。基于属性影响度给出了重排序与约简算法。该模型通过实际应用得到验证。某养老公司的实践表明，FPQM在预测准确率为98.39%的情况下可将属性数量减少90.56%。与专家知识、粗糙集和C4.5等方法相比，FPQM取得了最佳性能。此外，FPQM也可应用于其他问卷。
引用
@article{arxiv.1711.08228,
title = {An influence-based fast preceding questionnaire model for elderly assessments},
author = {Tong Mo and Rong Zhang and Weiping Li and Jingbo Zhang and Zhonghai Wu and Wei Tan},
journal= {arXiv preprint arXiv:1711.08228},
year = {2017}
}
备注
Accepted by the journal "Intelligent Data Analysis"