Zastosowanie metody MARS w prognozowaniu i klasyfikacji

• Autorzy: Agnieszka Pasztyła , Marcin Salamaga
• Języki publikacji: PL

Abstrakty

MARS (Multivariate Adaptive Regression Splines) to metoda wykorzystywana w klasyfikacji i regresji. Jest to metoda nieparametryczna, należąca do szerszej grupy metod uczących (learning methods, learning machines) określanej mianem supervised learning (uczenie z nauczycielem). W grupie metod uczących szczególnie znaczenie mają metody nieparametryczne. Stosując je przyjmuje się żadnych założeń dotyczących postaci funkcji opisującej dane zjawisko (np. liniowa, logistyczna), czynników (zmiennych objaśniających), które kształtują dane zjawisko (np. rozkład) ani też zależności pomiędzy zmiennymi objaśniającymi. (fragment tekstu)

Słowa kluczowe

PL

Modele regresji; Regresja nieparametryczna; Statystyka nieparametryczna; Zmienne jakościowe

EN

Regression models; Nonparametric regression; Nonparametric statistics; Qualitative variables

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 2004
• Tom: Postępy ekonometrii
• Strony: 267--281

Twórcy

autor

Agnieszka Pasztyła

autor

Marcin Salamaga

Bibliografia

• Friedman J. (1991). Multivariate Adaptive Regression Splines. Annals of Statistics, 19, 1-141.
• Gatnar H. (2001). Nieparametryczna metoda dyskryminacji i regresji. Wydawnictwo Naukowe PWN, Warszawa.
• Gruszczyński M. (2002). Modele i prognozy zmiennych jakościowych w finansach i bankowości. Monografie i Opracowania. Oficyna Wydawnicza Szkoły Głównej Handlowej, Warszawa, 490.
• Hastie T., Tibshirani R., Friedman J. (2001). The Elements of Statistical Learning. Data Mining. Inference and Prediction, Springer-Verlag.
• Krzanowski W. (1998). An Introduction to Statistical Modelling. Arnold Texts in Statistics, Arnold.
• McCullagh P., Nelder, J.A. (1999). Generalized Linear Models. Monographs on Statistics and Applied Probability, 37. Chapman & Hall/CRC.
• Zeliaś A., Pawełek B., Wanat S. (2003). Prognozowanie ekonomiczne. Teoria, przykłady, zadania. Wydawnictwo Naukowe PWN, Warszawa.