δείτε την πρωτότυπη σελίδα τεκμηρίου στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
Data-driven robustness analysis for multicriteria classification problems using preference disaggregation approaches
(EN)
Δουμπος Μιχαηλ
(EL)
Ζοπουνιδης Κωνσταντινος
(EL)
Doumpos Michail
(EN)
Zopounidis Konstantinos
(EN)
Πολυτεχνείο Κρήτης
(EL)
Technical University of Crete
(EN)
The preference disaggregation framework of multicriteria decision aid focuses on inferring decision models from data. In this context, the robustness of the results is of major importance to ensure that quality recommendations are provided. In this chapter we examine this issue adopting a data-driven perspective, focusing on the effect due to changes in the data used for model construction. The analysis is implemented for decision models expressed in the form of additive value functions for multicriteria classification problems. Simple analytic measures are introduced based on well-known optimization tools. The proposed measures enrich existing robust multicriteria approaches with additional information taken directly from the available data though an analytical approach. The properties and performance of the new robustness indicators are illustrated through their application to an example data set.
(EN)
*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.
Βοηθείστε μας να κάνουμε καλύτερο το OpenArchives.gr.
Πολυτεχνείο Κρήτης
