Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

Ampirik Sonuç

Sınıflandırmanın karmaşık problemlerini genişletmek için kombinasyon değerlerinin özelliklerini göstermek için bir dizi tek seçmeli soru tasarlanır ve çoktan seçmeli sorular kullanılır. Kombinasyon değerlerinin özellikleri, karar kurallarının sayısını artıracaktır.

Bu çalışma, müşteri ihtiyaçları için 8 kural ve ürün satın almama nedenleri için 4 kural oluşturmuştur. Tablo 19.9 ve 19.10’da sırasıyla müşteri ihtiyaçlarına ve satın almama nedenlerine ilişkin karar kuralları listelenmiştir. Ürün satın almayanların sebepleri şu şekildedir:

• Ekonomik yetenekleri zayıf olan 25 yaşın altındaki insanlar
• Yıllık prim neredeyse 10.000 NT $ ‘ın altında (313 US $)
• Satın alma amaçları bağış, yaşam, eğitim ve vergi indirimi

Sigorta ürünleri satın alan müşteriler için aşağıdakiler geçerlidir:

• En çok satın alınan sigorta ürünü hayat sigortasıdır.
• Ortalama yıllık prim ücreti 30.000 ABD Dolarının (938 ABD Doları) altındadır, ancak prim ücreti yaşa göre artar.
• Sigorta ürünleri satın alanların çoğu kadın.
• Satın almanın amacı bağıştır.
• Sigortanın beklentisi prim iadesidir.

Tartışmalar

Kaba küme teorisi, sınıflandırmayı özniteliklerle aynı değerlere göre işlemek için matematiksel bir yöntem kullanır. Temel kümeler, aralarında aynı derecedeki ilişkiyi ortaya çıkarabilir ve bu da karar kurallarını ortaya çıkarabilir. Kaba küme teorisinin sınırlaması, örneklem dışı verilerin önceki bulgu karar kuralları tarafından tanımlanmamış olmasıdır. Yeni birleştirme verileri kendilerine yeni kurallar oluşturacaktır. Böylelikle, bu ampirik çalışmada karar kurallarının uygulanabilirliğini kontrol etmek için hit testine 50 doğrulama örneklem veri seti eklenmiş ve sonuçlar aşağıda gösterilmiştir; isabet oranı% 100’e ulaşır. Tablo 19.11’den, yeni birleştirme nesnelerinin bu karar sınıfları arasındaki sınıflara hala uyabileceği açıktır. Bu arada, her kuralın açıklaması (veya her kuralın derece doğruluğu) ne kadar geniş olursa, isabet oranı o kadar yüksek olacaktır.

Esasen, temel sorun bu deneyde veri seti sınıflandırmasıdır ve kombinasyon değerlerine sahip çoktan seçmeli öznitelikler verilerin ayrık derecesini artırabilir. Birkaç yaklaşım benimsenebilir. Birincisi, sorunu çözmek için değer sınıfı aralığını daraltmak için öznitelik değerlerini yeniden tanımlamaktır. Katılımcıyı yanıltmaktan kaçınmak için, soruda sigorta teorisinin özel terminolojisinin kullanılmasının ihmal edildiğine dikkat edilmelidir.

Öznitelik değeri sınıfı yeniden tanımlandıktan sonra, gruplanmamış veri hızı% 79’dan% 53’e düşerek öznitelik değeri sınıfı yeniden tanımlandıktan sonra 194 temel kümenin üretildiğini gösterir, bu 148 kümenin yalnızca bir nesnesi vardır. Bu, öznitelik değeri sınıfının yeniden tanımlanmasının temel kümelerin sayısını 246’dan 194’e düşürdüğünü gösterir.

Bu çalışmada karşılaşılan benzersiz veriler, kendi başına ayrı bir sınıfa sınıflandırılır. Koşul bölümündeki karar kuralıyla ilgili veri setlerinin içeriğini anlamak zordur. Aksine, karar kısmında çok fazla benzersiz veri (birçok temel kümede oluşturulmuş) gibi karar kurallarının sayısı artacaktır. Çok fazla karar kuralı üretilirse, bu karar vericiye faydalı olmayacaktır. Tek bir nesne kümesi koşul bölümünde olduğundan, karar sınıflarından biriyle eşleşecek ve daha düşük yaklaşımı artıracaktır. Alt yaklaşımın yanı sıra üst yaklaşım da artırılır. Yanlış görüntü olan daha yüksek bir sınıflandırma oranı verir.

Daha yüksek sınıflandırma oranı, sınıftaki nesnelerin bu nesnelerin koşul öznitelikleri arasında daha yüksek bir bağımlılığa sahip olabileceğini gösterir. Aşağıda görüldüğü gibi, 148 set (sınıf) bazı karar sınıflarına eklenecek tek bir nesneye sahiptir ve alt ve üst yaklaşım artırılacaktır. Ancak bu, yanlış bir yaklaşıklık oranı verir. Ek olarak, her öznitelik değerinin sayısı sınıf numarasını etkileyebilir, bu da her öznitelik için aynı büyüklükte değer kümesinin verilerin sınıflar halinde gruplanmasına katkıda bulunacağını düşündürür.

Başka bir yaklaşım, kaba küme teorisinin bulanık teori, yapay sinir ağı teorisi, genetik algoritmalar (GA), genetik programlama (GP) gibi diğer yöntemlerle birlikte uygulandığı hibrit sistem olarak adlandırılır. Hassan ve Tazaki 2001; Huang ve diğerleri 2005).

Kaba küme teorisinin çoktan seçmeli sorulara dahil edilmesinin araştırılması yukarıda özetlenmiştir; temel setlerin sayısını önemli ölçüde etkiler. “Uzmanlar” kullanılarak kabaca belirlenmiş kurallarda türetilen bir sınırlama olduğundan, ön işleme görevlerinde verilerin derlenmesine uzmanların katkılarının önemi göz ardı edilemez. Farklı uzmanlar, bir uzmana aşırı güvenmek olarak karar verme konusunda farklı görüşlere ve tercihli tutumlara sahip olabilir.

Öte yandan, yeniden sınıflandırılan değer sınıfları, kural tanımlama hassasiyetini azaltacaktır. FUSINTER tekniği ve VPRS gibi, kaba küme teorisinin test edilebilirliğini artırabilecek nitelik (özellik) çıkarımı için başka yöntemler de olabilir (Beynon ve Peel 2001). Şimdilik, kombinasyon değerleri sorusu odaklanmıştır ve değerleriyle birlikte optimal olarak ayrık niteliği, derinlemesine araştırma için bir konu olabilir.

Sonuçlar

Bu çalışma, sonuçların Tayvan’daki sigorta pazarının gerekliliklerine uygun olduğunu göstermektedir. Bir anketin sonuçlarından aşağıdaki bulgular çıkarılır:

• Sigorta alıcılarının çoğu bayandır.
• 25–35 yaş en yüksek sigortalı sınıftır.
• Sigortanın amacı bağıştır.
• Kabul edilebilir yıllık prim 19.999 NT $ ‘ın (625 US $) altındadır.
• En çok satın alınan sigorta ürünleri hayat sigortasıdır.
• Bekleyen, prim iadesi.

Çoktan seçmeli soru, temel setlerin sayısını etkileyecektir. Girdi verilerini ön işleme görevinde uzmanın katkısı önemlidir. Yeniden tanımlanan öznitelik değerlerinin temel kümeleri daraltabileceğini ve bir nesnenin çok fazla kümesinin sınıflandırma doğruluğunu azaltacağını gösteriyoruz. Ek olarak, her nitelik değerinin sayısı sınıf numarasını etkileyebilir.
Ayrıca, çoktan seçmeli sorular birçok kombinasyon değerine sahip olabilir. Bir sorunun cevabının karakterleri benzersizse, yeniden sınıflandırma iyi sonuç vermeyecektir. Burada, kaba küme teorisini kullanmanın öznitelik kombinasyon değerleri altında çok fazla kuralın eksikliklerini çözebilecek olan, kural çıkarımı yapmak için GP ile birleştirilmiş kaba küme teorisi olan bir hibrit sistem öneriyoruz. Bu, daha fazla çalışmanın konusu olacaktır.

Örnek :

• Alan
• Yaş (c1)
• Cinsiyet (c2)
• Meslek (c3)
• Amaç (c5)
• Satın alınan ürünler (c6) Kabul edilebilir prim (c7)

• Kuzey bölgesi; Kuzeydoğu bölgesi
• 19-76
• Kadın; erkek
• Öğrenci; çalışan; çalışan; emekli…
• Bağış; hayat; Eğitim; sağlık; vergi tasarrufu; diğerleri
• Hayat Sigortası; sosyal sigorta; grup sigortası
• <10.000; 10.000-19.999; 20.000-29.999; 10.000-49.999;
  50.000-99.999; > 100.000

Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

The post Çok Amaçlı Karar Verme (57) – Ampirik Sonuç – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma first appeared on Online (Parayla Ödev Yaptırma).