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 "trees" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    Tytuł:
    On the Application of Classification and Regression Trees in Medical Diagnosis
    O zastosowaniu drzew klasyfikacyjnych i regresyjnych w diagnostyce medycznej
    Autorzy:
    Misztal, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/904694.pdf
    Data publikacji:
    2005
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    classification and regression trees
    medical diagnosis
    Opis:
    Drzewo decyzyjne jest graficzną prezentacją metody rekurencyjnego podziału. Metoda ta polega na stopniowym podziale zbioru obiektów na rozłączne podzbiory aż do momentu uzyskania ich jednorodności ze względu na wyróżnioną cechę y. Gdy у jest zmienną nominalną, mamy do czynienia z nieparametryczną analizą dyskryminacji (drzewa klasyfikacyjne), gdy zaś jest zmienną ilościową z nieparametryczną analizą regresji (drzewa regresyjne). W referacie przedstawiono możliwości zastosowań drzew regresyjnych i klasyfikacyjnych do rozwiązywania problemów o charakterze decyzyjnym w diagnostyce medycznej.
    Decision tree is a graphical presentation of the recursive partitioning the learning set into homogenous subsets considering dependent variable y. If dependent variable у is nominal we deal with nonparametric discriminant analysis (classification trees), when у is numerical - with nonparametric regression analysis (regression trees). The aim of the paper is to present some applications of regression and classification trees in medical diagnosis for solving decision - making problems.
    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:
    The Use of Some Pattern Recognition Algorithms to Classify Patients Undergoing CABG
    Zastosowanie wybranych algorytmów rozpoznawania obrazów do klasyfikacji pacjentów z chorobą wieńcową leczonych operacyjnie
    Autorzy:
    Misztal, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/904928.pdf
    Data publikacji:
    2004
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    pattern recognition algorithms
    classification trees
    coronary artery disease
    Opis:
    The primary goal of pattern recognition is supervised or unsupcrvised classification in order to solve decision - making problems. Medical diagnosis brings about many practical problems, which may be interpreted as pattern recognition tasks. Making diagnosis of a given patient means to solve a classification problem - we must recognize patient’s disease on the basis on some symptoms. The aim of the article is to present the results of using selected pattern recognition algorithms to classify patients with Coronary Artery Disease undergoing Coronary Artery Bypass Grafting (CABG).
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2004, 175
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Unbiased Recursive Partitioning Algorithm in Regression Trees
    Zastosowanie nieobciążonej metody rekurencyjnego podziału w metodzie drzew regresyjnych
    Autorzy:
    Rozmus, Dorota
    Powiązania:
    https://bibliotekanauki.pl/articles/906311.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    recursive partitioning
    regression trees
    aggregated models (ensembles)
    prediction
    Opis:
    Drzewa klasyfikacyjne i regresyjne są bardzo popularnym narzędziem predykcji. Budowa takiego modelu polega na stopniowym podziale wielowymiarowej przestrzeni cech na rozłączne obszary aż do uzyskania maksymalnej ich homogeniczności ze względu na wartość zmiennej objaśnianej y. Podział ten kontynuowany jest w kolejnych krokach, w oparciu o wartości wybranych zmiennych objaśniających. Istnieje wiele możliwych sposobów wyboru tych zmiennych, a jednym z najpopularniejszych jest algorytm wyczerpującego przeszukiwania (ang. exhaustive search) opracowany przez Breimana (Breimana et al., 1984). Zaproponowany przez Hothoma, Hornika i Zeileisa, (2006) sposób doboru zmiennych znany pod nazwą nieobciążonej metody rekurencyjnego podziału (ang. unbiased recurcive partitioning) opierający się na zastosowaniu testów permutacyjnych miał na celu ominięcie podstawowej wady tradycyjnego podejścia, jakim jest tendencja do wyboru zmiennych dających wiele potencjalnych możliwości podziału. Okazuje się, że w przypadku dyskryminacji to nowatorskie podejście prowadzi do uzyskania modeli zapewniających bardzo zbliżone wyniki klasyfikacji jak podejście tradycyjne, a w podejściu wielomodelowym może doprowadzić do pogorszenia poprawności klasyfikacji. Zasadniczym celem referatu jest przedstawienie wyników badań, które mają na celu porównanie dokładności predykcji na podstawie drzew regresyjnych, które doboru zmiennych objaśniających dokonują za pomocą algorytmu wyczerpującego przeszukiwania oraz za pomocą podejścia bazującego na testach permutacyjnych. Ponadto porównane zostaną wyniki predykcji modeli zagregowanych, w których modelami składowymi będą te dwa rodzaje drzew regresyjnych.
    Classification and regression trees are very popular tool for prediction. The construction of these models is based on recursive partitioning of multidimensional attribute space into disjoint homogenous regions till gaining the maximum homogeneity from the point of view of the dependent variable value. The main aim of this research is to apply in regression trees unbiased recursive partitioning algorithm proposed by Hothom, Homik and Zeileis (2006), which is based on permutation tests. The research takes into consideration both single and aggregated approach and compare the results with classical method of tree model construction based on exhaustive search algorithm proposed by Breiman et al. (1984).
    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:
    Multiple Additive Regression Trees (MART) and their Application
    Addytywna metoda budowy drzew regresyjnych (MART) i jej zastosowanie
    Autorzy:
    Trzęsiok, Joanna
    Powiązania:
    https://bibliotekanauki.pl/articles/906893.pdf
    Data publikacji:
    2007
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    multivariate regression
    adaptive method
    regression trees
    gradient boosting
    MART
    Opis:
    Multiple additive regression trees MART is a methodology for trying to solve prediction problems in regression and classification. It’s one of the boosting methods. It was introduced by J. H. Friedman (1999a). Besides accuracy, its primary goal is robustness. It lends to be resistant against outliers, missing values, and the inclusion of potentially large numbers of irrelevant predictor variables that have little or no effect on the response. In this paper the MART algorithm and their applications will be discussed.
    Addytywna metoda budowy drzew regresyjnych (MART), została zaproponowana przez J. H. Friedmana w 1999 r. (1999a, b). Jest to jedna z metod agregacyjnych, mająca zastosowanie w regresji i dyskryminacji opierająca się na modelach w postaci drzew. Jej zaletami, poza dokładnością predykcji, jest odporność na wartości oddalone i braki danych. Bardzo dobrze radzi sobie również z dużą liczbą zmiennych objaśniających, wśród których wiele może nie mieć istotnego wpływu na zmienną zależną. W artykule przedstawiona została ogólna idea metod agregacyjnych. Zaprezentowano i omówiono kolejne kroki algorytmu MART, a następnie, dla ilustracji, podany został przykład zastosowania procedury MART dla zbioru danych „Boston”.
    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:
    Classification of Patients With Respect to Some Group of Factors
    Klasyfikacja pacjentów ze względu na wybraną grupę czynników badanych
    Autorzy:
    Nowakowska-Zajdel, Ewa
    Muc-Wierzgoń, Małgorzata
    Trzpiot, Grażyna
    Janczarek, Alicja
    Powiązania:
    https://bibliotekanauki.pl/articles/906297.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    Classification trees
    severity
    type and histopathology malignancy
    body mass index
    glucose level
    Opis:
    Bazując na wynikach analiz metod statystyki wielowymiarowej przeprowadzono klasyfikację grupy badanych pacjentów ze względu na grupę badanych cech. Celem analizy jest próba wyodrębnienia charakterystycznych grup czynników wśród pacjentów chorujących na raka jelita grubego w różnym stopniu zaawansowania klinicznego. Analizie poddano wybrane dane epidemiologiczne pochodzące z dokumentacji medycznej chorych z ustalonym rozpoznaniem - rak jelita grubego. Do analizy wykorzystano zmienne jakościowe: płeć, stopień zaawansowania klinicznego choroby, typ i złośliwość histopatologiczną, podział na osoby z wagą prawidłową, nadwagą i otyłością, podział ze względu na stężenie glukozy na czczo w surowicy krwi oraz współistnienie występowania innych chorób.
    In this paper a classification o f examined patients was carried out based on results o f multivariate analysis using classification trees. The aim o f the analysis was to identify characteristic factors describing groups o f patients suffering from colorectal cancer with different stage o f disease. Clinical data from medical documentation o f the patients with colon cancer were analyzed. Qualitative variables such as sex, clinical stage, histopathology type o f cancer and malignancy, weight class, glucose level class and coexistence with other illnesses were used in the analysis.
    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:
    A Proposal for Using Selected Tree-Based Models to Identify Operative Risk Subgroups among Patients Undergoing Coronary Artery Bypass Grafting
    Propozycja wykorzystania wybranych modeli drzew klasyfikacyjnych i regresyjnych do identyfikacji grup ryzyka operacyjnego pacjentów z chorobą wieńcową leczonych operacyjnie
    Autorzy:
    Misztal, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/906886.pdf
    Data publikacji:
    2007
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    recursive partitioning inethod
    classification and regression trees
    coronary artery disease
    coronary artery bypass grafting
    Opis:
    Classification and regression trees are very popular and attractive types of classifiers, widely used to solve decision-making problems in different fields of science. The study was conducted to identify preoperative risk factors associated with morbidity outcome among patients undergoing isolated Coronary Artery Bypass Grafting (CABG) and to develop some classification rules assigning patients to selected risk subgroups. Prediction rules were established on the basis of the selected tree-structured models. The following tree-based algorithms were used: QUEST, CRUISE, LOTUS and PLUS.
    Drzewa klasyfikacyjne i regresyjne należą do bardzo popularnych metod klasyfikacji, przede wszystkim ze względu na prostotę interpretacji i przejrzystą formę wizualizacji wyników. Stąd też są one szeroko wykorzystywane do rozwiązywania problemów decyzyjnych w różnych dziedzinach nauki. Celem prowadzonych badań była identyfikacja przedoperacyjnych czynników ryzyka, związanych z wystąpieniem powikłań śród- i pooperacyjnych wśród pacjentów z chorobą wieńcową, leczonych w sposób operacyjny. Dodatkowo podjęto próbę zdefiniowania reguł decyzyjnych, które mogłyby umożliwić przydzielenie pacjenta do jednej z wyróżnionych grup ryzyka operacyjnego na podstawie opisujących go cech przedoperacyjnych. Reguły klasyfikacyjne budowano wykorzystując metodę rekurencyjnego podziału. W analizie uwzględniono algorytmy QUEST i CRUJSE, tworzące drzewa klasyfikacyjne oraz algorytmy LOTUS i PLUS, łączące rekurencyjny podział przestrzeni cech z analizą regresji logistycznej.
    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:
    Non‑Metric Data in Household Durable Goods Analysis. Selected Aspects
    Analiza danych niemetrycznych w badaniu wyposażenia gospodarstw domowych w dobra trwałe. Wybrane aspekty
    Autorzy:
    Dziechciarz, Józef
    Dziechciarz-Duda, Marta
    Powiązania:
    https://bibliotekanauki.pl/articles/951729.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    analiza danych niemetrycznych
    dobra trwałe
    analiza korespondencji
    regresja logistyczna
    drzewa klasyfikacyjne
    CART
    gospodarstwa domowe
    non‑metric data analysis
    durable goods
    correspondence analysis
    logistic regression
    classification trees
    cart
    households
    Opis:
    Pomiar wyposażenia gospodarstw domowych jest kluczowy w wielu aspektach oceny stanu społeczno‑ekonomicznego kraju i jego obywateli. Zapotrzebowanie (sprzedaż) jest traktowane jako jeden z kluczowych wskaźników stanu koniunktury w gospodarce. Podobnie analiza i ocena poziomu wyposażenia gospodarstw domowych w dobra trwałe są rozpatrywane w kontekście pomiaru jakości życia. W badaniu wyposażenia gospodarstw domowych mierzy się liczbę i jakość dóbr, w jakie wyposażone są gospodarstwa domowe. Pomiar wyposażenia gospodarstw domowych prowadzony jest najczęściej za pomocą słabych skali pomiarowych, nominalnej i porządkowej. Takie dane wymagają stosowania wyspecjalizowanych narzędzi analizy i modelowania. W opracowaniu zostanie podjęta dyskusja o możliwościach statystycznej analizy takich danych i ich modelowania oraz o problemach wnioskowania na podstawie uzyskanych wyników.
    Measurement of household endowment with durables is crucial in many aspects of assessing the social and economic situation of a country and its citizens. The demand (sales) for durables is regarded as one of the key indicators of economic conditions. Similarly, analysis and evaluation of household durable goods are usually considered in the context of measuring the quality of life. The possession of durables is measured by means of the number and quality of goods in households. Measurement of household endowment is conducted usually by means of weak measurement scales, namely nominal and ordinal. Such data require the use of specialised tools for analysis and modelling. This study discusses the possibilities of statistical analysis of such data. Additionally, modelling and problems of inference on the basis of obtained results are discussed.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2017, 4, 330
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-7 z 7

      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