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 "Support vector machines" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Symulacyjna ocena jakości zagregowanych modeli zbudowanych metodą wektorów nośnych
    Benchmarking Aggregated Support Vector Regression Models
    Autorzy:
    Trzęsiok, Michał
    Powiązania:
    https://bibliotekanauki.pl/articles/588038.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Metoda wektorów nośnych (SVM)
    Modele matematyczne
    Symulacja
    Mathematical models
    Simulation
    Support Vector Machines (SVM)
    Opis:
    Support Vector Machines (SVM) are a state-of-the-art classification method, but they are also suitable, after a special reformulation, to perform a regression task. Similarly to classification, for a nonlinear regression problem, SVMs use the kernel trick and map the input space into a high-dimensional feature space first, and then perform linear regression in the high-dimensional feature space. One can use the model ensemble approach to try to improve the prediction accuracy. The paper presents the comparison of a single SVM, aggregated SVM and other regression models (linear regression, Projection Pursuit Regression, Neural Networks, Regression Trees, Random Forest, Bagging) by the means of a mean squared test set error.
    Źródło:
    Studia Ekonomiczne; 2013, 132; 115-126
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A critical comparison of discriminant analysis and svm-based approaches to credit scoring
    Porównanie analizy dyskryminacyjnej i maszyn wektorów podpierających w analizie ryzyka kredytowego
    Autorzy:
    Stąpor, Katarzyna
    Powiązania:
    https://bibliotekanauki.pl/articles/588064.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Credit scoring model
    Discriminant analysis
    Support vector machines
    Analiza dyskryminacyjna
    Maszyny wektorów podpierających
    Model oceny ryzyka kredytowego
    Opis:
    Credit scoring models are the basis for financial institutions like retail and consumer credit banks. The purpose of these models is to evaluate the likelihood of credit applicants defaulting in order to decide whether to grant them credit. The paper compares two methodologies for building credit scoring models: heteroscedastic discriminant analysis-based with the support vector machines. The real-world credit dataset is used for comparison.
    Modele oceny ryzyka kredytowego stanowią podstawę działalności większości instytucji finansowych, zajmujących się udzielaniem kredytów. Celem takich modeli jest ewaluacja prawdopodobieństwa zaprzestania przez kredytobiorcę spłaty udzielonego mu kredytu. W artykule dokonano porównania dwóch modeli oceny ryzyka kredytowego, które wykorzystują nowe metody statystyczne, a także metody uczenia maszynowego do ich konstrukcji: heteroscedastyczną analizę dyskryminacyjną oraz maszyny wektorów podpierających. Dla dokonania porównania tych metod wykorzystany został ogólnie dostępny, niemiecki zbiór kredytowy.
    Źródło:
    Studia Ekonomiczne; 2016, 288; 59-70
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Using multi-objective affinity model for mining the rules of revisits within 72 hours for emergency department patients
    Autorzy:
    Chao-Wen, Chen
    Yuh-Wen, Chen
    Moussa, Larbani
    Tzung-Hung, Li
    Powiązania:
    https://bibliotekanauki.pl/articles/578510.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Data Mining
    Leczenie
    Macierze
    Metoda wektorów nośnych (SVM)
    Placówki służby zdrowia
    Matrix
    Medical facilities
    Medical treatment
    Support Vector Machines (SVM)
    Opis:
    When patients return to the emergency department (ED) within 72 hours after their previous ED discharge, it is generally assumed that their initial evaluation or treatment had been somehow inadequate. Mining data related to unplanned ED revisits is one method to determine whether this problem can be overcome, and to generate useful guidelines in this regard. In this study, we use the receiver operating characteristic (ROC) curve to compare the data mining model by affinity set to other well known approaches. Some scholars have validated the affinity model for its simplicity and power in handling information systems especially when showing binary consequences. In experimental results, SVM showed the best performance, with the affinity model following only slightly behind. This study demonstrated that when patients visit the ED with normotensive status or smooth breath patterns, or when the physician-patient ratio is moderate, the frequency with which patients revisit the ED is significantly higher.
    Źródło:
    Multiple Criteria Decision Making; 2015, 10; 5-31
    2084-1531
    Pojawia się w:
    Multiple Criteria Decision Making
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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