PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2008 | 22 | nr 27 Zastosowania metod ilościowych | 51--64
Tytuł artykułu

Wymienność wariacji i obciążenia w modelu klasyfikacji pod nadzorem

Autorzy
Warianty tytułu
Bias-Variance Trade-off In Supervised Classification
Języki publikacji
EN
Abstrakty
W artykule zaprezentowano podejście do dekompozycji oczekiwanego błędu predykcji w klasyfikacji według J.H. Friedmana. Dekompozycja ta ujawnia multiplikatywną wymienność wariancji i obciążenia w modelu klasyfikacji pod nadzorem oraz pozwala wyjaśnić klasyfikacyjną konkurencyjność prostych, obciążonych modeli, takich jak np. liniowy model prawdopodobieństwa. W artykule przedstawiono również symulacyjny przykład obliczenia oczekiwanego błędu predykcji w klasyfikacji za pomocą dekompozycji Friedmana, porównujący trzy modele ekonometryczne o różnym obciążeniu. (abstrakt oryginalny)
EN
The article presents the decomposition of the expected prediction error in classification introduced by J.H. Friedman, which can be used to explain this phenomenon. A simulation example of error calculation via Friedman’s decomposition is also given. (fragment of text)
Twórcy
  • Uniwersytet Ekonomiczny we Wrocławiu
Bibliografia
  • Ćwik J.. Koronacki J., Statystyczne systemy uczące się, Wydawnictwo Naukowo-Techniczne, Warszawa 2005.
  • Domingos P., A Unified Bias-Variance Decomposition for Zero-One and Squared Loss, Austin (USA): AAAI Press, Proceedings of the Seventeenth National Conference on Artificial Intelligence 2000, pp. 564-569.
  • Faraway J.J., Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models. Chapman & Hall/CRC Press, London 2006.
  • Friedman J.H., On Bias, Variance, 0/1-loss, and the Curse-of-dimensionality, Kluwer Academic Publishers: Data Mining and Knowledge Discovery 1 1997, pp. 55-77.
  • Hastie T., Tibshirani R., Friedman J., The Elements of Statistical Learning: Data Mining, Inference and Prediction, Springer, New York 2003.
  • Le Borgne Yann-Ael, Bias-Variance Trade-off Characterization in a Classification Problem. What Differences with Regression? Machine Learning Group, Université Libre de Bruxelles 2005.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000164930421

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.