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 "Model Selection" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-9 z 9
    Tytuł:
    DISCRIMINANT STEPWISE PROCEDURE
    Autorzy:
    Kubus, Mariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/655859.pdf
    Data publikacji:
    2014
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    stepwise procedure
    feature selection
    model selection
    Opis:
    Stepwise procedure is now probably the most popular tool for automatic feature selection. In the most cases it represents model selection approach which evaluates various feature subsets (so called wrapper). In fact it is heuristic search technique which examines the space of all possible feature subsets. This method is known in the literature under different names and variants. We organize the concepts and terminology, and show several variants of stepwise feature selection from a search strategy point of view. Short review of implementations in R will be given.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2014, 3, 302
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    On Model Selection in Some Regularized Linear Regression Methods
    O wyborze postaci modelu w wybranych metodach regularyzowanej regresji liniowej
    Autorzy:
    Kubus, Mariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/905647.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    model selection
    EDC
    regularization
    linear models
    feature selection
    Opis:
    A dynamic development of various regularization formulas in linear models has been observed recently. Penalizing the values of coefficients affects decreasing of the variance (shrinking coefficients to zero) and feature selection (setting zero for some coefficients). Feature selection via regularized linear models is preferred over popular wrapper methods in high dimension due to less computational burden as well as due to the fact that it is less prone to overfitting. However, estimated coefficients (and as a result quality of the model) depend on tuning parameters. Using model selection criteria available in R implementation does not guarantee that optimal model will be chosen. Having done simulation study we propose to use EDC criterion as an alternative.
    W ostatnich latach można zaobserwować dynamiczny rozwój różnych postaci regularyzacji w modelach liniowych. Wprowadzenie kary za duże wartości współczynników skutkuje zmniejszeniem wariancji (wartości współczynników są ,,przyciągane” do zera) oraz eliminacją niektórych zmiennych (niektóre współczynniki się zerują). Selekcja zmiennych za pomocą regularyzowanych modeli liniowych jest w problemach wielowymiarowych preferowana wobec popularnego podejścia polegającego na przeszukiwaniu przestrzeni cech i ocenie podzbiorów zmiennych za pomocą kryterium jakości modelu (wrappers). Przyczyną są mniejsze koszty obliczeń i mniejsza podatność na nadmierne dopasowanie. Jednakże wartości estymowanych współczynników (a więc także jakość modelu) zależą od parametrów regularyzacji. Zaimplementowane w tym celu w programie R kryteria jakości modelu nie gwarantują wyboru modelu optymalnego. Na podstawie przeprowadzonych symulacji w artykule proponuje się zastosowanie kryterium EDC.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2013, 285
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Best Model Selection for Determinants of Students’ Academic Performance at Tertiary Level in Azad Jammu and Kashmir, Pakistan
    Autorzy:
    Hussain, Khadim
    Farooq, Sehrish
    Akhtar, Nasim
    Abbassi, Faisal Azeem
    Powiązania:
    https://bibliotekanauki.pl/articles/1972174.pdf
    Data publikacji:
    2018-03-31
    Wydawca:
    Wydawnictwo Adam Marszałek
    Tematy:
    academic performance
    model selection
    CGPA
    socioeconomic status
    Opis:
    The presented study is intended to suggest the best model to predict students’ academic performance at university level. For this purpose, primary data was collected from 400 undergraduate and graduate students of eight departments of Mirpur University of Science and Technology (MUST), which were selected through stratified random sampling. CGPA is used as an indicator of students’ academic performance. Stepwise linear regression is used to select the best model to predict students’ academic performance at tertiary level. The final model selected through stepwise regression includes six variables: the student’s IQ, ownership of AC, gender, geographic location, self-study hours and ownership of fridge as significant predictors of students’ academic performance at tertiary level. IQ, ownership of assets and self-study hours are found to have a positive effect on CGPA while being male and the distance of the household to nearest market are found to have a negative effect on CGPA.
    Źródło:
    The New Educational Review; 2018, 51; 66-77
    1732-6729
    Pojawia się w:
    The New Educational Review
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Variational Approximations for Selecting Hierarchical Models of Circular Data in a Small Area Estimation Application
    Autorzy:
    Hernandez-Stumpfhauser, Daniel
    Breidt, F. Jay
    Opsomer, Jean D.
    Powiązania:
    https://bibliotekanauki.pl/articles/465673.pdf
    Data publikacji:
    2016
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    deviance information criterion Laplace approximation
    model selection
    projected normal distribution
    Opis:
    We consider hierarchical regression models for circular data using the projected normal distribution, applied in the development of weights for the Access Point Angler Intercept Survey, a recreational angling survey conducted by the US National Marine Fisheries Service. Weighted estimates of recreational fish catch are used in stock assessments and fisheries regulation. The construction of the survey weights requires the distribution of daily departure times of anglers from fishing sites, within spatio-temporal domains subdivided by the mode of fishing. Because many of these domains have small sample sizes, small area estimation methods are developed. Bayesian inference for the circular distributions on the 24-hour clock is conducted, based on a large set of observed daily departure times from another National Marine Fisheries Service study, the Coastal Household Telephone Survey. A novel variational/Laplace approximation to the posterior distribution allows fast comparison of a large number of models in this context, by dramatically speeding up computations relative to the fast Markov Chain Monte Carlo method while giving virtually identical results.
    Źródło:
    Statistics in Transition new series; 2016, 17, 1; 91-104
    1234-7655
    Pojawia się w:
    Statistics in Transition new series
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Metoda Hellwiga jako kryterium doboru zmiennych do modeli szeregów czasowych
    Using hellwig method to select explanatory variables in time series models
    Autorzy:
    Serwa, Dobromił
    Powiązania:
    https://bibliotekanauki.pl/articles/453846.pdf
    Data publikacji:
    2011
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    metoda Hellwiga
    szeregi czasowe
    wybór modelu
    Hellwig method
    time series
    model selection
    Opis:
    Celem pracy jest rozstrzygnięcie, czy metoda Hellwiga jest użyteczna w odniesieniu do konstruowania modeli szeregów czasowych i w jakim zakresie jest ona konkurencyjna wobec innych metod, na przykład wykorzystujących kryteria informacyjne Schwarza i Akaike. Okazuje się, że metoda Hellwiga w pewnych, często w praktyce ekonometrycznej występujących przypadkach, nie prowadzi do wyboru odpowiedniego modelu.
    We check if Hellwig method is useful in building time-series models and if it performs better than other statistical methods, including Akaike and Schwarz information criteria. We find that the Hellwig method often leads to incorrect model specifications.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2011, 12, 2; 312-321
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of protein subcellular localization using support vector machine with the choice of proper kernel
    Autorzy:
    Hasan, M.A.M.
    Ahmad, S.
    Molla, M.K.I.
    Powiązania:
    https://bibliotekanauki.pl/articles/81150.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    subcellular localization
    protein
    prediction
    support vector machine
    model selection
    kernel
    radial base function
    Źródło:
    BioTechnologia. Journal of Biotechnology Computational Biology and Bionanotechnology; 2017, 98, 2
    0860-7796
    Pojawia się w:
    BioTechnologia. Journal of Biotechnology Computational Biology and Bionanotechnology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of the Akaike information criterion for an assessment of sugar beet crop distribution
    Zastosowanie kryterium Akaike do oceny rozkladu plonow burakow cukrowych
    Autorzy:
    Kornacki, A.
    Ostroga, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/791936.pdf
    Data publikacji:
    2011
    Wydawca:
    Komisja Motoryzacji i Energetyki Rolnictwa
    Tematy:
    sugar-beet
    crop distribution
    Akaike information criterion
    application
    normal distribution
    log-normal distribution
    model selection
    Źródło:
    Teka Komisji Motoryzacji i Energetyki Rolnictwa; 2011, 11
    1641-7739
    Pojawia się w:
    Teka Komisji Motoryzacji i Energetyki Rolnictwa
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Kryterium Akaike: prostota w języku statystyki
    Akaike Criterion: Simplicity in the Language of Statistics
    Autorzy:
    Kukier, Łukasz
    Szydłowski, Marek
    Tambor, Paweł
    Powiązania:
    https://bibliotekanauki.pl/articles/2013057.pdf
    Data publikacji:
    2009
    Wydawca:
    Katolicki Uniwersytet Lubelski Jana Pawła II. Towarzystwo Naukowe KUL
    Tematy:
    kryterium Akaike
    prostota
    filozofia nauki
    kryteria selekcji modeli
    Akaike Informative Criterion
    simplicity
    philosophy of science
    model selection
    Opis:
    Many authors have pointed out that notion of simplicity is unclear. For deeper understanding of this term, we investigate it in the conceptual framework of Akaike Informative Criterion (AIC). Advantages as well as troubles of such formulation are presented in the paper. We also discuss a role which plays the simplicity notion formulated in statistical framework within Sober’s philosophy of science conception.
    Źródło:
    Roczniki Filozoficzne; 2009, 57, 1; 91-126
    0035-7685
    Pojawia się w:
    Roczniki Filozoficzne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Feature Selection for Prognostic Models by Linear Separation of Survival Genetic Data Sets
    Selekcja cech na potrzeby modeli prognostycznych poprzez liniową separację zbiorów danych genetycznych dotyczących analizy przeżycia
    Autorzy:
    Bobrowski, L.
    Łukaszuk, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/88380.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    eksploracja danych
    regresja interwałowa
    selekcja modelu
    relaksacja separacji liniowej
    data mining
    interval regression
    model selection
    relaxed linear separability
    Opis:
    Designing regression models based on high dimensional (e.g. genetic) data sets through exploring linear separability problem is considered in the paper. The linear regression model designing has been reformulated here as the linear separability problem. Exploring the linear separability problem has been based on minimization of the convex and piecewise linear (CPL) criterion functions. The minimization of the CPL criterion functions was used not only for estimating the prognostic model parameters, but also for most effective selecting feature subsets (model selection) in accordance with the relaxed linear separability (RLS) method. This approach to designing prognostic models has been used in experiments both with synthetic multivariate data, and with genetic data sets containing censored values of dependent variable. The quality of the prognostic models resulting from the linear separability postulate has been evaluated by using the measure of the model discrepancy and the estimated classification error rate. In order to reduce the bias of the evaluation, the value of the model discrepancy and the classification error have been computed in different feature subspaces, in accordance with the cross-validation procedure. A series of new experiments described in this paper shows that the designing of regression models can be based on the linear separability principle. More specifically, the high-dimensional genetic sets with censored dependent variable can be used in designing procedure. The proposed measure of prognostic model discrepancy can be effectively used in the search for the optimal feature subspace and for selecting the linear regression model.
    W artykule rozważane jest projektowanie modeli regresji opartych na wysokowymiarowych (np. genetycznych) zbiorach danych poprzez badanie problemu separacji liniowej. Projektowanie modelu regresji liniowej zostało tu przeformułowane jako problem separacji liniowej. Eksploracja problemu separacji liniowej opiera się na minimalizacji wypukłej i odcinkowo-liniowej (CPL) funkcji kryterialnej. Minimalizacja funkcji kryterialnej typu CPL została wykorzystana nie tylko do oszacowania parametrów modelu prognostycznego, ale również do skutecznego wyboru podzbioru cech (selekcji modelu) zgodnie z metodą relaksacji separacji liniowej (RLS). Takie podejście do projektowania modeli prognostycznych zostało wykorzystane w eksperymentach zarówno z syntetycznymi danymi wielowymiarowymi, jak i do zbiorów danych genetycznych zawierających cenzurowane wartości zmiennej zależnej. Jakość modeli prognostycznych otrzymywanych w oparciu o postulat liniowej separacji została oceniona przy użyciu miary rozbieżności modelu i szacowanego wskaźnika błędu klasyfikacji. W celu zmniejszenia obciążenia oceny, obliczono wartości rozbieżności modelu i błędu klasyfikacji w różnych podprzestrzeniach cech, zgodnie z procedurą walidacji krzyżowej. Seria nowych eksperymentów opisanych w niniejszym opracowaniu pokazuje, ze projektowanie modeli regresji może być oparte na zasadzie separacji liniowej. W szczególności, w procedurze projektowania można użyć wysokowymiarowych zbiorów genetycznych o cenzurowanej zmiennej zależnej. Proponowana miara rozbieżności modelu prognostycznego może być skutecznie wykorzystana w poszukiwaniu optymalnej podprzestrzeni cech i selekcji modelu regresji liniowej.
    Źródło:
    Advances in Computer Science Research; 2018, 14; 31-54
    2300-715X
    Pojawia się w:
    Advances in Computer Science Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-9 z 9

      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