תקציר
בעיות אורדינליות נפוצות בניהול מהסיבה שכך מקבלים בני אדם בדרך כלל החלטות מורכבות. מספר דוגמאות לבעיות החלטה אורדינליות: דרוג אשראי, החלטות על השקעות בפרוייקטים, קביעת פרמיות ביטוח, קבלת וקידום עובדים, הערכת מרצים, בחירת מוצרים, העדפת אמצעי תחבורה ונתיבי נסיעה ועוד ועוד.

לא רצוי בדרך כלל  "לתרגם" סולמות אורדינלים למספרים מהסיבה הפשוטה שהמודל שיווצר יהיה  תלוי בין היתר בפונקצית ההמרה בה נעשה שימוש. כתוצאה מריבוי בעיות החלטה אורדינליות בכל תחומי החיים התפתח בדלית מידע תת ענף העוסק בפתרון בעיות מסוג זה. כיום ישנם די מודלים אורדינאליים המסוגלים לגלות תבניות בנתונים אלו ללא צורך בהמרה כלשהיא. אחד הנושאים הפתוחים בענף זה נעוצה בעובדה שעד היום לא נבדקה מידת הרגישות של מודלים אלו לרעש שמטבע הדברים מלווה תמיד נתוני אמת.

בסמינר זה נדווח על תוצאות ראשוניות של מחקר שנעשה על ידי ד"ר אירנה מילשטיין, ד"ר Rob Pothrast מאוניברסיטת Erasmus ברוטרדם ואנוכי. מחקר זה בודק את רגישותם של מודלי דלית מידע ידועים יותר וידועים פחות לרעש לא מונוטוני. תוצאות ראשוניות של המחקר מצביעות על מספר מודלים העמידים יותר לרעש לא מונוטוני ואף מאתרים רמות רעש בהן אין להסתמך כלל על חלקם.

 

המחקר נעשה על קבצי נתונים בני 1000 מלאכותיים בני 1000 דוגמאות כל אחד. קבוצת פרוייקט (תואר ראשון) של ניר לוצקי ואילאיל בהט עובדת כעת על שיפור האלגוריתם באופן שיאפשר (כך אנו מקווים) יצירת קבצי נתונים גדולים בהרבה. עוד בתכנון – שיפור התאמת הנתונים המלאכותיים לנתוני אמת ואיפשור הגדרות מגוונות יותר של רעש.