Metody identyfikacji reguł klasyfikacji obiektów

• Autorzy: Eugeniusz Gatnar
• Języki publikacji: PL

Abstrakty

Przedstawioną metodę konstrukcji reguł klasyfikacji obiektów można traktować jako komplementarną w stosunku do klasycznych funkcji dyskryminacyjnych. Może być stosowana wtedy, gdy metod numerycznych wykorzystać nie można, tj. w przypadku gdy klasyfikowane obiekty są obiektami symbolicznymi, dane je reprezentujące są niepełne itd.
Reguły w postaci dysjunkcyjnej są łatwe do interpretacji (w odróżnieniu od np. funkcji dyskryminacyjnych), co pozwala na ich bezpośrednie zastosowanie do klasyfikacji obiektów ze zbioru rozpoznawanego.
Metoda ta daje jednak rezultaty nieco mniej dokładne (mierzone liczbą poprawnie sklasyfikowanych obiektów) niż w przypadku zastosowania drzew klasyfikacyjnych. (fragment tekstu)

Słowa kluczowe

PL

Klasyfikacja obiektów; Metody klasyfikacyjne; Materiały konferencyjne

EN

Classification of objects; Classification methods; Conference materials

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 1997
• Numer: nr 771 Materiały z XXXIII Konferencji Statystyków, Ekonometryków, Matematyków Polski Południowej oraz XV Seminarium Ekonometrycznego im. Profesora Zbigniewa Pawłowskiego, Szklarska Poręba, 6-9 maja 1997
• Strony: 118--124

Twórcy

autor

Eugeniusz Gatnar

• Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach

Bibliografia

• Clark P., Niblett T.: The CN2 Induction Algorithm. "Machine Learning" 1989 vol. 3.
• Gatnar E.: Taksonomia jakościowa a taksonometria. XXXI Konferencja Statystyków, Ekonometryków i Matematyków Akademii Ekonomicznych Katowic, Krakowa i Wrocławia. "Prace Naukowe AE w Katowicach". Katowice: AE 1996.
• Gatnar E.: Symboliczne metody klasyfikacji danych. IX Konferencja Sekcji Klasyfikacji i Analizy Danych. Szklarska Poręba. Taksonomia z. 3, Wrocław-Jelenia Góra: AE 1996.
• Gatnar E.: Wykorzystanie drzew decyzyjnych do klasyfikacji danych statystycznych. XXXI Konferencja Statystyków, Ekonometryków i Matematyków Akademii Ekonomicznych Polski Południowej. "Prace Naukowe AE w Krakowie". Kraków: AE 1997.
• Michalski R.S., Chilausky R.L.: Learning by Being Told and Learning from Examples: an Experimental Comparison of the Two Methods of Knowledge Acquisition in the Context of Developing an Expert System for Soybean Disease Diagnosis. "International Journal of Policy Analysis and Information Systems" 1980 b, vol. 4.
• Mitchell T.M.: Version Spaces: a Candidate Elimination Approach to Rule Learning. Proceedings of the International Joint Conference on Artificial Intelligence. San Mateo: Morgan Kaufmann 1977.
• Murphy P.M., Aha D.W.: UCI Repository of Machine Learning Databases. University of California, Department of Information and Computer Science, Irvine 1994.