PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2008 | 15 | nr 7 (1207) Klasyfikacja i analiza danych - teoria i zastosowania | 89--98
Tytuł artykułu

Wpływ metody łączenia modeli na wielkość błędu klasyfikacji w podejściu wielomodelowym

Warianty tytułu
The Impact of Combination Function on the Classification Error in Classifier Fusion
Języki publikacji
PL
Abstrakty
Budowa modeli bazowych jest oparta na zbiorze M prób uczących U1, …, UM, będących podzbiorami oryginalnego zbioru uczącego U. Podzbiory te mogą zawierać albo wybrane obserwacje ze zbioru U, albo wszystkie obserwacje, lecz rzutowane na różne podprzestrzenie zmiennych. Łączenie modeli bazowych realizuje funkcja Ψ określona na zbiorze ich wyników predykcji:
         ^                 ^             ^
         D*(xi.) = &
EN
936; (D1(xi), ..., DM (xi)),
Przy czym jej rodzaj zależy od postaci wyników predykcji modeli bazowych D1, …, DM. Funkcja ta nadaje wyższe wagi tym modelom, które charakteryzują się większą dokładnością, niż tym, które generują większy błąd predykcji. Ponieważ w literaturze przedmiotu zaproponowano kilkanaście różnych funkcji Ψ, powstaje potrzeba zbadania wpływu postaci funkcji na błąd predykcji modelu zagregowanego. To zagadnienie jest właśnie podstawowym przedmiotem rozważań w niniejszym artykule. (fragment tekstu)
Twórcy
  • Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach
Bibliografia
  • Domingos P., Pazzani M. (1997), On the Optimality of the Simple Bayesian Classifier under Zero- One Loss, „Machine Learning" 29, s. 103-130.
  • Gatnar E. (2001), Nieparametryczna metoda dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa.
  • Grabisch M. (1995), On Equivalence Classes of Fuzzy Connectives - the Case of Fuzzy Integrals, „IEEE Transactions on Fuzzy Systems" 3(1), s. 96-109.
  • Huang Y.S., Suen C.Y. (1995), A Method of Combining Multiple Experts for the Recognition of Unconstrained Handwritten Numerals, „IEEE Transactions on Pattern Analysis and Machine Intelligence" 17, s. 90-93.
  • Kuncheva L., Bezdek J.C., Duin R. (2001), Decision Templates for Multiple Classifier Fusion: An Experimental Comparison, „Pattern Recognition" 34, s. 299-314.
  • Therneau T.M., Atkinson E.J. (1997), An Introduction to Recursive Partitioning using the RPART Routines, Mayo Foundation, Rochester.
  • Wernecke K.-D. (1992), A Coupling Procedure for Discrimination of Mixed Data, „Biometrics" 48. s. 497-506.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000168575409

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.