- Tytuł:
- Problem zmiennych zakłócających w agregowanych klasyfikatorach kNN
- Autorzy:
- Kubus, Mariusz
- Powiązania:
- https://bibliotekanauki.pl/articles/581356.pdf
- Data publikacji:
- 2017
- Wydawca:
- Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
- Tematy:
-
podejście wielomodelowe
metoda k najbliższych sąsiadów
selekcja zmiennych - Opis:
- Podejście wielomodelowe w dyskryminacji i regresji zyskało duże uznanie ze względu na poprawę stabilności modeli oraz ich dokładności przewidywań. Agregowanie klasyfikatorów k najbliższych sąsiadów (kNN) napotyka jednak poważne problemy. Metoda kNN, wykorzystująca w klasyfikacji wyłącznie odległości między obiektami, jest względnie stabilna, przez co zróżnicowanie klasyfikatorów bazowych można osiągnąć, jedynie wybierając różne podprzestrzenie. Tu z kolei napotykamy problem zmiennych zakłócających (noisy variables), to jest takich, które nie mają wpływu na zmienną objaśnianą, a które w metodzie kNN znacznie obniżają dokładność klasyfikacji. W artykule dokonano przeglądu zaproponowanych w literaturze metod agregowania klasyfikatorów kNN oraz zweryfikowano je z własną propozycją algorytmu. W badaniach wykorzystano zbiory danych rzeczywistych z dołączonymi zmiennymi zakłócającymi.
- Źródło:
-
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu; 2017, 468; 116-126
1899-3192 - Pojawia się w:
- Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
- Dostawca treści:
- Biblioteka Nauki
Artykuł