Analiza wybranych własności metody dyskryminacji wykorzystującej wektory nośne

• Autorzy: Michał Trzęsiok
• Języki publikacji: PL

Abstrakty

Metoda wektorów nośnych (SVM - Support Vector Machines) została zaproponowana jako odporne narzędzie do klasyfikacji danych z nauczycielem, czyli do dyskryminacji. (...) W opracowaniu prze3dstawiona zostanie metoda wektorów nośnych oraz analiza błędu klasyfikacji, jaki generuje metoda w zależności od postaci funkcji jądrowej oraz jej parametrów. (fragment tekstu)

Słowa kluczowe

PL

Analiza dyskryminacyjna; Modele liniowe; Analiza danych statystycznych; Klasyfikacja danych; Metoda wektorów nośnych (SVM)

EN

Discriminant analysis; Linear models; Statistical data analysis; Data classifications; Support Vector Machines (SVM)

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 2004
• Tom: Postępy ekonometrii
• Strony: 331--342

Twórcy

autor

Michał Trzęsiok

Bibliografia

• Hastie T., Tibshirani R., Friedman J. (2001). The Elements of Statistical Learning. Springer-Verlag, New York.
• Leisch F., Dimitriadou E. (2004). The Mlbench Package - a Collection for Artificial and Real-World Machine Learning Benchmarking Problems. R package, Version 1.0-0. http://cran.R-project.org.
• Prechelt L. Proben 1 - a Set of Neural Network Benchmark Problems and Benchmarking Rules. (1994). Technical Report. Universität Karlsruhe. ftp://ftp.ira.uka.de/pub/papers/techreports/1994/1994-21.ps.gz.
• Vapnik V. (1995). The Nature of Statistical Learning Theory. Springer-Verlag, New York.
• Vapnik V. (1998). Statistical Learning Theory. John Wiley & Sons, New York.
• Weston J., Watkins C. (1998). Multi-class Support Vector Machines. Technical Report, CSD-TR-98-04, Royal Holloway, University of London. Egham, UK.