关于决策挖掘方法其结果有意义性的比较
机器学习
2021-09-16 v1 人工智能
摘要
决策及其底层规则对于在运行时驱动流程执行不可或缺,即基于流程数据的值在备选分支处对流程实例进行路由。决策规则可包含一元数据条件(如 age > 40)、二元数据条件(两个或多个变量间的关系相关,如 temperature1 < temperature2)以及更复杂的涉及例如医学图像部分的条件。决策发现旨在从流程事件日志中自动推导决策规则。现有方法聚焦于一元或某些情况下的二元数据条件的发现。所发现的决策规则通常使用准确率评估,而未考虑其语义和有意义性,尽管这对验证及后续决策规则的实现/调整至关重要。因此,本文比较三种决策挖掘方法(即两种现有方法和一种新描述的方法)在其结果有意义性方面的表现。为比较,我们使用一个针对真实制造案例的合成数据集以及两个真实世界BPIC 2017/2020日志。所发现的规则就其语义和有意义性进行了讨论。
引用
@article{arxiv.2109.07335,
title = {Comparing decision mining approaches with regard to the meaningfulness of their results},
author = {Beate Scheibel and Stefanie Rinderle-Ma},
journal= {arXiv preprint arXiv:2109.07335},
year = {2021}
}