From Possibilistic Similarity Measures to Possibilistic Decision Trees, Fachbücher von Ilyes Jenhani

Das Buch "From Possibilistic Similarity Measures to Possibilistic Decision Trees" von Ilyes Jenhani behandelt zentrale Themen im Bereich des maschinellen Lernens und der Entscheidungsfindung unter Unsicherheit. Es bietet eine umfassende Analyse, wie Ähnlichkeitsbeziehungen zwischen unsicheren Informationen bewertet werden können und wie Klassifikationen aus unsicheren Daten durchgeführt werden. Ein wesentlicher Beitrag des Werkes ist die Einführung von possibilistischen Entscheidungsbäumen, die es ermöglichen, Entscheidungsbäume aus Trainingsdaten mit unsicheren Klassenbezeichnungen zu induzieren. Diese Unsicherheit wird im Rahmen der quantitativen Möglichkeitstheorie modelliert. Das Buch beschreibt drei Ansätze zur Entwicklung von possibilistischen Entscheidungsbäumen und behandelt dabei wichtige Fragen wie die Definition von Attributauswahlkriterien, die Festlegung von Abbruchkriterien und die Kennzeichnung von Blättern in einem unsicheren Kontext. Darüber hinaus wird die Rolle von Inkonsistenzen bei der Bewertung possibilistischer Ähnlichkeit untersucht und ein neuer Ansatz zur Messung dieser Ähnlichkeit vorgestellt.