Wyodrębnianie reguł klasyfikacyjnych z modelu dyskryminacyjnego budowanego metodą wektorów nośnych

• Autorzy: Michał Trzęsiok

Warianty tytułu

Rules Extraction from Support Vector Machines Using Classification Trees

• Języki publikacji: PL

Abstrakty

Metoda wektorów nośnych (SVM) jest jedną z najdokładniejszych metod dyskryminacji. Istotną barierą dla zwiększenia zakresu zastosowań metody SVM jest to, że otrzymywany model jest bardzo słabo interpretowalny. W celu wyodrębnienia reguł klasyfikacyjnych, według których metoda decyduje o wskazaniu przynależności do klasy, można wykorzystać modele drzew klasyfikacyjnych, których wyniki są łatwe w interpretacji. W artykule zaproponowano procedurę wyodrębniania reguł z modeli SVM i zilustrowano ją na danych rzeczywistych.(abstrakt oryginalny)

EN

Support Vector Machines (SVM) usually provide very accurate models. However, their main weakness is the lack of interpretation. Models generated by SVMs are regarded as very incomprehensible. In order to extract knowledge from SVMs, we use a simple technique - we combine SVMs with classification trees, which produces very comprehensible classification rules. (original abstract)

Słowa kluczowe

PL

Metoda wektorów nośnych (SVM); Analiza dyskryminacyjna; Drzewa klasyfikacyjne

EN

Support Vector Machines (SVM); Discriminant analysis; Classification trees

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2010
• Tom: 17
• Numer: nr 107 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 316--324

Twórcy

autor

Michał Trzęsiok

• Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach

Bibliografia

• Abe S., Support Vector Machines for Pattern Classification, Springer, 2005.
• Cristianini N., Shawe-Taylor J., An Introduction To Support Vector Machines (and Other Kernel-Based Learning Methods), Cambridge University Press, Cambridge 2000.
• Diederich J. (red.), Rule Extraction from Support Vector Machines, Springer, 2008.
• Gatnar E., Nieparametryczna metoda dyskryminacji i regresji, PWN, Warszawa 2001.
• Guyon I., Gunn S., Nikravesh M., Zadeh L. (red.), Feature Extraction, Foundations and Applications, Springer 2006.
• Trzęsiok M., Analiza wybranych własności metody dyskryminacji wykorzystującej wektory nośne,[w:] Postępy ekonometrii, A.S. Barczak (red.), AE, Katowice 2004.
• Trzęsiok M., Metoda wektorów nośnych na tle innych metod wielowymiarowej analizy danych, [w:] Taksonomia 13, K. Jajuga, M. Walesiak (red.), AE, Wrocław 2006.
• Trzęsiok M., Empiryczna ocena wrażliwości metody wektorów nośnych na występowanie obiektów błędnie sklasyfikowanych w zbiorze uczącym, [w:] Studia Ekonomiczne nr 50, J. Mika (red.), AE, Katowice 2008.
• Trzęsiok M., Problem doboru zmiennych do modelu dyskryminacyjnego budowanego metodą wektorów nośnych, [w:] Taksonomia 16, K. Jajuga, M. Walesiak (red.), Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław 2009.
• Vapnik V., Statistical Learning Theory, John Wiley&Sons, N.Y. 1998.