O pewnej metodzie dyskryminacji obiektów jakościowych

• Autorzy: Mariusz Kubus

Warianty tytułu

On a Method of Discrimination of the Nominal Objects

• Języki publikacji: PL

Abstrakty

Niniejszy artykuł jest propozycją zastosowania drzew logicznych do konstrukcji reguł klasyfikacyjnych. Uzyskany na minimalnych drzewach logicznych porządek zmiennych jakościowych wytycza kierunek przeszukiwania przestrzeni charakterystyk klas. Wyniki dokładności klasyfikacji będą porównane z algorytmami CN2 Clarka, Nibletta oraz C4.5 Quinlana. (fragment tekstu)

EN

This paper contains an application of minimal logical trees in discriminant analysis. The logical tree is a graph of nominal attributes in a finite space. The minimal tree of every class - with the minimal number of nodes - is used for searching the class description space. Finally, an ordered list of classification rules is obtained. Using well known data sets, the classification accuracy is compared of the logical tree heuristic to CN2 and C4.5 algorithms. (original abstract)

Słowa kluczowe

PL

Modele dyskryminacyjne; Analiza dyskryminacyjna; Klasyfikacja

EN

Discriminatory models; Discriminant analysis; Classification

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia
• Rocznik: 2006
• Tom: 13
• Numer: nr 1126 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 529--535

Twórcy

autor

Mariusz Kubus

• Politechnika Opolska

Bibliografia

• Clark P., Boswell R. (1991), Rule Induction with CN2: some Recent Improvements, [w:] Y. Kodratoff (red.), Machine Learning - EWSL-91, European Working Session on Learning, Springer Verlag, Berlin.
• Clark P., Niblett T. (1989), The CN2 Induction Algorithm, Machine Learning, t. 3.
• Gatnar E. (1998), Symboliczne metody klasyfikacji danych, PWN, Warszawa.
• Gatnar E. (2001), Nieparametryczna metoda dyskryminacji i regresji, PWN, Warszawa.
• Kubus M. (2005), Zastosowanie funkcji logicznych do porządkowania cech jakościowych, "Prace Naukowe AE we Wrocławiu", nr 1076, AE, Wrocław.
• Michalski R.S. (1977), Variable-Valued Logic and its Applications to Pattern Recognition and Machine Learning, [w:] D.C. Rine (red.), Computer Science and Multiplevalued Logic, North-Holland, Amsterdam.
• Michalski R.S., Larson J. (1978), Selection of Most Representative Training Examples and Incremental Generation of VL1 Hypothesis: The Underlying Methodology and the Descriptions of Programs ESEL and AQ11, Technical Report Report No. 867, Department of Computer Science, University of Illinois, Urbana, Illinois.
• Quinlan J.R. (1993), C4.5 Programs for Machine Learning, Morgan Kaufmann, San Mateo.