Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Discrimination" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Application of Probit Models and Selected Discrimination Analysis Methods for Credit Decision Evaluation
    Zastosowanie modeli probitowych i wybranych metod analizy dyskryminacyjnej do przewidywania decyzji kredytowej
    Autorzy:
    Żółtowski, Jan
    Powiązania:
    https://bibliotekanauki.pl/articles/904693.pdf
    Data publikacji:
    2005
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    Bayes discrimination methods
    quadratic discrimination function
    classification function
    probit model
    Opis:
    Obsługa kredytów konsumpcyjnych jest jednym z rodzajów działalności banków. Zdolność kredytowa klienta jest oceniana na podstawie złożonego przez niego wniosku. W pracy rozważany jest problem przewidywania, do której z dwóch grup klientów, posiadających zdolność kredytową lub nie (w ocenie banku), zostanie zaliczona osoba ubiegająca się o kredyt. Analizowane są tu możliwości zastosowania modeli probitowych oraz metod analizy dyskryminacyjnej wykorzystujących kwadratową funkcję dyskryminacyjną i zmienną dyskryminacyjną z próby. Przeprowadzona jest także ocena poprawności klasyfikacji danych z pewnego banku.
    Retail banking deals with servicing consumer credits and it constitutes one of the major banking activities. A customer applying for the credit fills in the application which is basis to evaluated of his creditworthiness. The paper considers the problem of evaluation to which of the two groups the person applying for a credit should be assigned to: a) those who possess the creditworthiness; b) those who do not possess the creditworthiness. It analyses the possibility of applying the probit models and the discrimination analysis methods using the quadratic and linear discrimination function. An evaluation of the correctness of the classification based on the real data from a commercial bank is conducted.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2005, 194
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Effectiveness of Symbolic Classification Trees Vs. Noisy Variables
    Skuteczność drzew klasyfikacyjnych dla obiektów symbolicznych a zmienne zakłócające
    Autorzy:
    Dudek, Andrzej
    Pełka, Marcin
    Powiązania:
    https://bibliotekanauki.pl/articles/906310.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    Classification
    discrimination
    symbolic data
    noisy variables
    Opis:
    W rzeczywistych problemach badawczych często oprócz zmiennych istotnych mamy do czynienia ze zmiennymi zakłócającymi (nieistotnymi). Nie zawsze można dokonać wyboru zmiennych istotnych, np. za pomocą metody HINoV, lub zmodyfikowanej metody HINoV. W artykule porównano efektywność wykrywania znanej struktury klas za pomocą drzew klasyfikacyjnych dla obiektów symbolicznych oraz jądrowej analizy dyskryminacyjnej obiektów symbolicznych w sytuacji, gdy mamy do czynienia ze zmiennymi zakłócającymi. Badanie efektywności przeprowadzono na symulowanych danych symbolicznych w różnych modelach. Każdy z modeli zawierał znaną liczbę klas. Dodatkowo do każdego modelu dodano różną liczbę zmiennych zakłócających.
    In real research problems we usually deal with relevant variables and irrelevant (noisy) variables. Relevant variables sometimes can not be identified, by for example HINoV method or modified HINoV method. This paper compares effectiveness detection o f known class structure with application o f symbolic decision trees and symbolic kernel discriminant analysis in situation where we deal with noisy variables. This research was conducted on artificial symbolic data from a variety o f models. The models contained known structure o f clusters. In addition, the models contained different number o f noisy variables added to obscure the underlying structure.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2009, 228
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Discrimination of Symbolic Objects
    Dyskryminacja obiektów symbolicznych
    Autorzy:
    Dudek, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/906875.pdf
    Data publikacji:
    2007
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    discrimination
    symbolic object
    Kernel density estimators
    Opis:
    Symbolic Data Analysis is an extension of multivariate analysis dealing with data represented in an extended form. Each cell in symbolic data table (symbolic variable) can contain data in form of single quantitative value, categorical value, interval, multivalued variable, multivalued variable with weights. Variable can be taxonomic, hierarchically dependent, logically dependent. Due to extended data representation Symbolic Data Analysis introduces new methods and also implements traditional methods that symbolic data can be treated as an input. Article shows how “classical” Bayesian discrimination rule can be adapted to deal with data of different symbolic types, presents kernel intensity measures for symbolic data and methods of obtaining probabilities of belongings to the classes. The example of using symbolic discriminant analysis for electronic mail filtering is given.
    Symboliczna analiza danych jest rozszerzeniem metod wielowymiarowej analizy statystycznej ze względu na sposób reprezentacji danych. Każda komórka w symbolicznej tablicy danych (zmienna symboliczna) może reprezentować dane w postaci liczb, danych jakościowych (tekstowych), przedziałów liczbowych, zbioru wartości, zbioru wartości z wagami. Zmienne mogą ponadto reprezentować strukturę gałęziową oraz być hierarchicznie lub logicznie zależne. Ze względu na sposób reprezentacji symboliczna analiza danych wprowadza nowe metody ich przetwarzania oraz tak implementuje metody tradycyjne, żeby dane symboliczne mogły być ich danymi wejściowymi. W artykule pokazano, jak „klasyczna” analiza Bayesowska może być zaadoptowana dla różnych typów danych symbolicznych za pomocą jądrowego estymatora intensywności dla obiektów symbolicznych. Całość jest zakończona przykładem zastosowania analizy dyskryminacyjnej obiektów symbolicznych do filtrowania przychodzącej poczty elektronicznej.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2007, 206
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The influence of irrelevant variables on classification error in rules induction
    Autorzy:
    Kubus, Mariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/657948.pdf
    Data publikacji:
    2011
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    irrelevant variables
    discrimination
    adaptive methods
    rules induction
    Opis:
    Typowym zadaniem data mining jest wykrycie niespodziewanych i systematycznych relacji w danych, gdy nie ma wcześniejszych oczekiwań co do natury tych relacji. W dużych zbiorach, które nie były zgromadzone w celu prowadzonej przez badacza analizy, zwykle występuje wiele zmiennych nieistotnych, co może obniżyć jakość modelu dyskryminacyjnego. W takich sytuacjach stosowane są metody selekcji zmiennych. W nieparametrycznych i adaptacyjnych metodach dyskryminacji (drzewa klasyfikacyjne, indukcja reguł) selekcja zmiennych jest częścią algorytmu uczącego. Za pomocą symulacji badany jest wpływ zmiennych nieistotnych na błąd klasyfikacji w tych metodach.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2011, 255
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    On the classification of observations in the switching regression
    O klasyfikacji obserwacji w regresji przełącznikowej
    Autorzy:
    Pruska, Krystyna
    Powiązania:
    https://bibliotekanauki.pl/articles/904610.pdf
    Data publikacji:
    1997
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    switching regression model
    discrimination analysis
    loss function
    Opis:
    The paper discusses the method of determining the sample division indicator for the switching regression model in case of two states generating values of the explained variable, which ensures the least risk of making a mistake, understood as the expected value of relevant loss function. This paper is an attempt to take advantage of the discrimination analysis elements in the switching regression analysis.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 1997, 141
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Weighting in the template matching
    Wagi dopasowywania szablonów
    Autorzy:
    Kalina, Jan
    Powiązania:
    https://bibliotekanauki.pl/articles/907031.pdf
    Data publikacji:
    2008
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    Image analysis
    locating landmarks
    correlation coefficient
    robust nonparametric discrimination
    Opis:
    In the area of image analysis of templates, we have proposed and implemented a method for locating landmarks in 2D-images of faces. It uses the weighted correlation coefficient as a similarity measure between the template and the image. The weights are selected in the optimal way to improve the discrimination of parts of the image which correspond to the template from those which do not. The method does not use specific properties of faces.
    Zaproponowaliśmy i zastosowaliśmy metodę lokalizacji punktów orientacyjnych obrazów dwuwymiarowych. Podstawą jej jest użycie ważonego współczynnika korelacji pomiędzy szablonem a obrazem. Wagi są wybierane w sposób optymalny dla poprawy rozróżnienia części obrazu, które odpowiadają szablonowi od tych które nie odpowiadają. Metoda nie odwołuje się do specyficznych własności twarzy.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2008, 216
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies