Problematyka wielowymiarowych drzew klasyfikacyjnych

• Autorzy: Adam Kurzydłowski

Warianty tytułu

Multivariate Classification Trees Problems

• Języki publikacji: PL

Abstrakty

Niniejszy artykuł prezentuje zostanie problematykę wielowymiarowej odmiany drzew klasyfikacyjnych, w których podział zbioru obiektów na względnie jednorodne podzbiory jest przeprowadzany na podstawie kombinacji liniowej zmiennych objaśniających. Poruszone zostaną zagadnienia związane z ich praktycznym wykorzystaniem oraz wskazane zostanie pewne pośrednie, dające dobre rezultaty rozwiązanie. (fragment tekstu)

EN

Classification trees belong to the group of the exploration methods, exploited in searching and detecting relations occurring in the data. In the article a classification multivariate trees problems is presented. Multivariate trees classify examples by testing linear combinations of the variables at each non-leaf node of the tree. (original abstract)

Słowa kluczowe

PL

Drzewa klasyfikacyjne

EN

Classification trees

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia
• Rocznik: 2006
• Tom: 13
• Numer: nr 1126 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 501--509

Twórcy

autor

Adam Kurzydłowski

• Akademia Ekonomiczna we Wrocławiu

Bibliografia

• Bioch J., Meer O. van der, Potharst R. (1996), Bivariate Decision Trees, http://www.few.eur.nl/few/research/pubs/cs/1996/eur-few-cs-96-02.pdf.
• Breiman L., Friedman J.H., Olshen R.A., Stone C.J. (1984), Classification and Regression Trees, Belmont, Wadsworth.
• Clark L.A., Pregibon D. (1992), Tree-Based Models, [w:] J.M. Chambers, T.J. Hastie (red.), Statistical Models in S, Chapman & Hall, New York.
• Duda R., Hart P., Stork D. (2001), Pattern Classification, Jonh Wiley & Sons Inc, New York, Chichester, Weinheim, Brisbane, Toronto.
• Gatnar E. (2001), Nieparametryczna metoda dyskryminacji i regresji, PWN, Warszawa.
• Gatnar E., Walesiak M. (red.) (2004), Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, AE, Wrocław.
• Hastie T., Tibshirani R., Friedman J. (2001), The Elements of Statistical Learning: Data Mining, Inference and Prediction, Springer-Verlag, New York, Berlin, Heidelberg.
• Kass G.V. (1980), An Exploratory Technique for Investigating Large Quantities of Categorical Data, "Applied Statistics" nr 29, s.l 19-127.
• Kurzydłowski A. (2002), Klasyfikacja nabywców czekolady z wykorzystaniem algorytmów CHAID i C&RT, [w:] K. Jajuga, M. Walesiak, Klasyfikacja i analiza danych - teoria i zastosowania, Taksonomia 9, "Prace Naukowe AE we Wrocławiu", nr 942, s. 258-271.
• Kurzydłowski A. (2003), Ocena atrakcyjności segmentów rynku z wykorzystaniem algorytmu CHAID, [w:] E. Gatnar (red.), Analiza i prognozowanie zjawisk rynkowych o charakterze niemetrycznym, Materiały z VI Warsztatów Metodologicznych w Katowicach, AE, Katowice, s. 105-113.
• Loh W.Y, Shih Y.S. (1997), Split Selection Methods for Classification Trees, "Statistica Sinica" nr 7, s. 815-840.
• Murthy S., Kasif S., Salzberg S., Beigel R. (1993), OC1: Randomized Induction of Oblique Decision Trees, http://citeseer.ist.psu.edu/cache/papers/cs/421/http:zSzzSzwww.cs.jhu.eduzSz~murthyzSzaaai93.pdf/murthy93oc.pdf.
• Quinlan J.R. (1990), Decision Trees and Decisionmaking, "IEEE Transactions on Systems, Man and Cybernetics" vol. 20, nr 2, s. 339-346.