- 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