Methodological Problems of Classification and Prediction in Food Marketing

• Autorzy: Ferenc Ruff

Warianty tytułu

Problemy metodologiczne klasyfikacji i przewidywania na rynku żywnościowym

• Języki publikacji: EN

Abstrakty

EN

In the paper there is demonstrated the impact of the selection of training sample on misclassification error for the case of a real database describing the food market. The methodological background is a decision tree algorithm as it is applied with different rules and parameters (e.g. varying stopping rules and sample sizes). The goodness of the model fit is analysed. (original abstract)

Celem artykułu było omówienie znaczenia zmiennych w metodzie drzewa decyzyjnego, a także znaczenie drzewa decyzyjnego w tworzeniu modeli rynku rolnego. Uwzględniono także znaczenie różnego typu błędów i ich wpływu na wyniki modelu. (abstrakt oryginalny)

Słowa kluczowe

EN

Food market; Agricultural markets; Forecasting; Classification methods; Decision tree

PL

Rynek żywności; Rynek rolny; Prognozowanie; Metody klasyfikacyjne; Drzewo decyzyjne

• Czasopismo: Roczniki Naukowe Stowarzyszenia Ekonomistów Rolnictwa i Agrobiznesu
• Rocznik: 2008
• Tom: 10
• Numer: z. 5
• Strony: 125--129

Twórcy

autor

Ferenc Ruff

• Szent István University, Gödöllő, Hungary

Bibliografia

• Breiman L., Friedman J., Olshen R., Stone C. 1984: Classification and regression trees. Chapman & Hall, New York.
• Kurt I., Ture M., Kurum A.T. 2008: Comparing performances of logistic regression, classification and regression tree, and neural networks for predicting coronary artery disease. Expert System with application. no 34, 366-374.
• Ngai E.W.T., Li Xiu D.C. 2008: Application of data mining techniques in customer relationship management: A literature review and classification. Expert Systems with Applications, article in press.
• Therneau T. M., Atkinson E.J., Foundation M. 1997: An Introduction to Recursive Partitioning Using the RPART Routines. [http://www.mayo.edu/hsr/techrpt/61.pdf].
• Wezel M., Potharst R. 2007: Improved customer choice predictions using ensemble methods. European Journal of Operational Research, no 181, 436-452.