知识卡片
模糊评价表达程度差异
模糊综合评价用隶属程度描述难以硬划界的因素,再综合形成等级判断。它适合语言评价与边界模糊的问题,但仍需明确因素、隶属规则及权重。输出等级的精细程度不能超过输入证据所支持的程度。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 人工智能安全标准与风险评估预警 风险方法与指标构建的取舍 · 查看原书依据
根据最大隶属度原则,对评估对象的每个因素做出评价,能较好地解决模糊的、不确定的、难以量化的问题。 (3)决策树(Decision Tree,DT)法:利用概率论原理和树形图作为分析工具的决策方法。其用决策点代表决策问题,方案分枝表示可供选择
参考来源
- 位置:《人工智能安全》人工智能安全标准与风险评估预警,风险方法与指标构建的取舍(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能安全/_epub-src/EPUB/xhtml/Section0001_0011.xhtml)
- 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;书中历史数据与技术预测保留原有时点,不当作当前已验证结论。
- 原始内容:根据最大隶属度原则,对评估对象的每个因素做出评价,能较好地解决模糊的、不确定的、难以量化的问题。 (3)决策树(Decision Tree,DT)法:利用概率论原理和树形图作为分析工具的决策方法。其用决策点代表决策问题,方案分枝表示可供选择