Informacja

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

Wyszukujesz frazę "klasyfikator" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
A Critical Study of Usefulness of Selected Functional Classifiers in Economics
Krytyczna analiza wybranych klasyfikatorów dla danych funkcjonalnych w kontekście ich zastosowań w ekonomii
Autorzy:
Kosiorowski, Daniel
Mielczarek, Dominik
Rydlewski, Jerzy Piotr
Powiązania:
https://bibliotekanauki.pl/articles/660107.pdf
Data publikacji:
2020
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
klasyfikator funkcjonalny
analiza danych funkcjonalnych
metody odporne
barometr optymizmu w ekonomii
functional classifier
functional data analysis
robust methods
economic optimism barometer
Opis:
W artykule przeprowadzono krytyczną analizę najbardziej znanych klasyfikatorów dla danych funkcjonalnych. Ponadto zaproponowano nowy klasyfikator dla danych funkcjonalnych. Przedyskutowano pewne, związane z odpornością, własności rozważanych klasyfikatorów. Wypracowane w artykule podejście może zostać użyte do przewidywania stanu gospodarki na podstawie indeksu mierzącego optymizm konsumentów – CCI (Consumer Confidence Index) oraz indeksu odzwierciedlającego optymizm w sektorze przemysłowym – IPI (Industrial Price Index), przy czym wykorzystuje się nie tylko skalarne wartości indeksu, lecz także całą trajektorię/kształt funkcji opisującej dany indeks. W związku z tym nasze rozważania mogą być pomocne w skonstruowaniu lepszego barometru stanu gospodarki. O ile wiadomo autorom, jest to pierwsze porównanie klasyfikatorów dla danych funkcjonalnych ze względu na kryterium ich użyteczności aplikacyjnej w ekonomii. Głównym celem artykułu jest zaprezentowanie, jak mała frakcja obserwacji nietypowych w próbce uczącej, będących liniowo niezależnymi z próbką uczącą, która z kolei składa się z funkcji prawie liniowo zależnych, jest w stanie poważnie zaburzyć wyniki klasyfikacji dla wszystkich rozpatrywanych klasyfikatorów.
In this paper we conduct a critical analysis of the most popular functional classifiers. Moreover, we propose a new classifier for functional data. Some robustness properties of the functional classifiers are discussed as well. We can use an approach worked out in this paper to predict the expected state of the economy from aggregated Consumer Confidence Index (CCI, measuring consumers optimism) and Industrial Price Index (IPI, reflecting a degree of optimism in industry sector) exploiting not only scalar values of the indices but also the trajectories/shapes of functions describing the indices. Thus our considerations may be helpful in constructing a better economic barometer. As far as we know, this is the first comparison of functional classifiers with respect to a criterion of their usefulness in economic applications. The main result of the paper is a presentation of how a small fraction of outliers in a training sample, which are linearly independent from the training sample, consisting of almost linearly dependent functions, corrupt all analysed classifiers.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2020, 2, 347; 71-90
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sentiment Classification of Bank Clients’ Reviews Written in the Polish Language
Analiza sentymentu na podstawie polskojęzycznych recenzji klientów banku
Autorzy:
Idczak, Adam Piotr
Powiązania:
https://bibliotekanauki.pl/articles/2033889.pdf
Data publikacji:
2021-06-30
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
analiza sentymentu
klasyfikacja dokumentów
textmining
regresja logistyczna
naiwny klasyfikator Bayesa
sentiment analysis
opinion mining
text classification
text mining
logistic regression
naive Bayes classifier
Opis:
It is estimated that approximately 80% of all data gathered by companies are text documents. This article is devoted to one of the most common problems in text mining, i.e. text classification in sentiment analysis, which focuses on determining the sentiment of a document. A lack of defined structure of the text makes this problem more challenging. This has led to the development of various techniques used in determining the sentiment of a document. In this paper, a comparative analysis of two methods in sentiment classification, a naive Bayes classifier and logistic regression, was conducted. Analysed texts are written in the Polish language and come from banks. The classification was conducted by means of a bag‑of‑n‑grams approach, where a text document is presented as a set of terms and each term consists of n words. The results show that logistic regression performed better.
Szacuje się, że około 80% wszystkich danych gromadzonych i przechowywanych w systemach informacyjnych przedsiębiorstw ma postać dokumentów tekstowych. Artykuł jest poświęcony jednemu z podstawowych problemów textminingu, tj. klasyfikacji tekstów w analizie sentymentu, która rozumiana jest jako badanie wydźwięku tekstu. Brak określonej struktury dokumentów tekstowych jest przeszkodą w realizacji tego zadania. Taki stan rzeczy wymusił rozwój wielu różnorodnych technik ustalania sentymentu dokumentów. W artykule przeprowadzono analizę porównawczą dwóch metod badania sentymentu: naiwnego klasyfikatora Bayesa oraz regresji logistycznej. Badane teksty są napisane w języku polskim, pochodzą z banków i mają charakter marketingowy. Klasyfikację przeprowadzono, stosując podejście bag‑of‑n‑grams. W ramach tego podejścia dokument tekstowy wyrażony jest za pomocą podciągów składających się z określonej liczby n wyrazów. Uzyskane wyniki pokazały, że lepiej spisała się regresja logistyczna.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2021, 2, 353; 43-56
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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