Random forest jako metoda agregacji modeli dyskryminacyjnych

• Autorzy: Dorota Rozmus

Warianty tytułu

Random Forest as a Method for Aggregation of Classification Models

• Języki publikacji: PL

Abstrakty

Celem artykułu jest analiza własności metody random forest oraz porównanie trafności predykcji za pomocą tej metody z wynikami uzyskanymi przy zastosowaniu pojedynczego modelu. (fragment tekstu)

EN

Random forest is one of the methods for aggregation of classification models. It combines bagging with random variable selection for building each of tree-based component models. Many experiments proved that this aggregation leads to the reduction of classification error and improvement of prediction accuracy in comparison with other methods (e.g. bagging, boosting). In this paper we discuss the main properties of the method and compare results of prediction based on random forest with results obtained from single tree-based model. (original abstract)

Słowa kluczowe

PL

Modele dyskryminacyjne; Agregacja modeli

EN

Discriminatory models; Aggregation models

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia
• Rocznik: 2004
• Tom: 11
• Numer: nr 1022 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 441--448

Twórcy

autor

Dorota Rozmus

• Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach

Bibliografia

• Amit Y., Geman D., Shape Quantization and Recognition with Randomized Trees, "Neural Computation" 1997, nr 9, s. 1545-1588.
• Blake C., Keogh E., Merz C.J., UCI Repository of Machine Learning DatabasesM Departament of Information and Computer Science, University of California, Irvine 1998.
• Breiman L., Bagging Predictors, "Machine Learning" 1996, nr 24, s. 123-140.
• Breiman L., Arcing Classifiers, "The Annals of Statistics" 1998, nr 26.
• Breiman L., Random Forests, ,,Machine Learning" 2001, nr 45, s. 5-32.
• Breiman L., Manual on Settings up, Using and Understanding Random Forest V3.1, http://oz.berkeley.edU/users/breiman/Using_random_forests_V3.l 2003.
• Breiman L., Friedman J., Olshen R., Stone C., Classification and Regression Trees. CRC Press, London 1984.
• Efron B., Tibshirani R., An Introduction to the Bootstrap, Chapman and Hall, London 1993.
• Gatnar E., Nieparametryczna metoda dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa 2001.
• Gatnar E., O pewnej metodzie redukcji błędu klasyfikacji, "Prace Naukowe AE we Wrocławiu", nr 988, AE, Wrocław 2003, s. 245-253.