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 "Bayes classifier" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-11 z 11
    Tytuł:
    Computerised Recommendations On E-Transaction Finalisation By Means Of Machine Learning
    Autorzy:
    Budnikas, Germanas
    Powiązania:
    https://bibliotekanauki.pl/articles/466046.pdf
    Data publikacji:
    2015
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    online behaviour
    Google Analytics
    Naïve Bayes classifier
    artificial neural network
    Opis:
    Nowadays a vast majority of businesses are supported or executed online. Website-to-user interaction is extremely important and user browsing activity on a website is becoming important to analyse. This paper is devoted to the research on user online behaviour and making computerised advices. Several problems and their solutions are discussed: to know user behaviour online pattern with respect to business objectives and estimate a possible highest impact on user online activity. The approach suggested in the paper uses the following techniques: Business Process Modelling for formalisation of user online activity; Google Analytics tracking code function for gathering statistical data about user online activities; Naïve Bayes classifier and a feedforward neural network for a classification of online patterns of user behaviour as well as for an estimation of a website component that has the highest impact on a fulfilment of business objective by a user and which will be advised to be looked at. The technique is illustrated by an example.
    Źródło:
    Statistics in Transition new series; 2015, 16, 2; 309-322
    1234-7655
    Pojawia się w:
    Statistics in Transition new series
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Selection of classifier in acute abdominal pain diagnosis with decision tree model
    Autorzy:
    Burduk, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/333503.pdf
    Data publikacji:
    2011
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    teoria podejmowania decyzji Bayesa
    wielostopniowy klasyfikator
    medyczne systemy wspomagania decyzji
    Bayes decision theory
    multistage classifier
    medical decision support systems
    Opis:
    The article presents the application of the decision tree classifier to the acute abdominal pain diagnosis. The recognition task model is based on a decision tree. In this model the decision tree structure is given by the experts. For the assumed structure of the decision tree the locally optimal strategy is considered. The problem discussed in the work shows a selection of different classifiers (parameters) to the internal nodes of the decision tree. Experiments conducted for selected medical diagnosis problem shows that the use of different parameters for k-NN classification can improve the quality of classification in comparison with the situation if it is used with the same parameter for all internal nodes of the decision tree.
    Źródło:
    Journal of Medical Informatics & Technologies; 2011, 17; 65-71
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Diagnostics of separately excited DC motor based on analysis and recognition of signals using FFT and Bayes classifier
    Autorzy:
    Glowacz, W.
    Glowacz, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/141149.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    DC motor
    diagnostic investigations
    FFT
    Bayes classifier
    Opis:
    In this article results of diagnostic investigations of separately excited DC motor were presented. In diagnostics were applied a Fourier analysis method based on the fast Fourier transform (FFT) and a recognition method using Bayes classifier. In training process a set of the most important frequencies has been determined for which differences of corresponding signals in two states are the largest. Three categories of signals have been recognized in identification process: faultless state, state of the rotor broken one coil and state of the rotor shorted three coils
    Źródło:
    Archives of Electrical Engineering; 2015, 64, 1; 29-35
    1427-4221
    2300-2506
    Pojawia się w:
    Archives of Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    New algorithm for determining the number of features for the effective sentiment-classification of text documents
    Nowy algorytm ustalania liczby zmiennych potrzebnych do klasyfikacji dokumentów tekstowych ze względu na ich wydźwięk emocjonalny
    Autorzy:
    Idczak, Adam
    Korzeniewski, Jerzy
    Powiązania:
    https://bibliotekanauki.pl/articles/18105028.pdf
    Data publikacji:
    2023-05-31
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    sentiment analysis
    document sentiment classification
    text mining
    logistic regression
    naive Bayes classifier
    feature selection
    correlation
    analiza sentymentu
    klasyfikacja dokumentów ze względu na wydźwięk emocjonalny
    eksploracja tekstu
    regresja logistyczna
    naiwny klasyfikator Bayesa
    dobór cech
    korelacja
    Opis:
    Sentiment analysis of text documents is a very important part of contemporary text mining. The purpose of this article is to present a new technique of text sentiment analysis which can be used with any type of a document-sentiment-classification method. The proposed technique involves feature selection independently of a classifier, which reduces the size of the feature space. Its advantages include intuitiveness and computational noncomplexity. The most important element of the proposed technique is a novel algorithm for the determination of the number of features to be selected sufficient for the effective classification. The algorithm is based on the analysis of the correlation between single features and document labels. A statistical approach, featuring a naive Bayes classifier and logistic regression, was employed to verify the usefulness of the proposed technique. They were applied to three document sets composed of 1,169 opinions of bank clients, obtained in 2020 from a Poland-based bank. The documents were written in Polish. The research demonstrated that reducing the number of terms over 10-fold by means of the proposed algorithm in most cases improves the effectiveness of classification.
    Analiza sentymentu, czyli wydźwięku emocjonalnego, dokumentów tekstowych stanowi bardzo ważną część współczesnej eksploracji tekstu (ang. text mining). Celem artykułu jest przedstawienie nowej techniki analizy sentymentu tekstu, która może znaleźć zastosowanie w dowolnej metodzie klasyfikacji dokumentów ze względu na ich wydźwięk emocjonalny. Proponowana technika polega na niezależnym od klasyfikatora doborze cech, co skutkuje zmniejszeniem rozmiaru ich przestrzeni. Zaletami tej propozycji są intuicyjność i prostota obliczeniowa. Zasadniczym elementem omawianej techniki jest nowatorski algorytm ustalania liczby terminów wystarczających do efektywnej klasyfikacji, który opiera się na analizie korelacji pomiędzy pojedynczymi cechami dokumentów a ich wydźwiękiem. W celu weryfikacji przydatności proponowanej techniki zastosowano podejście statystyczne. Wykorzystano dwie metody: naiwny klasyfikator Bayesa i regresję logistyczną. Za ich pomocą zbadano trzy zbiory dokumentów składające się z 1169 opinii klientów jednego z banków działających na terenie Polski uzyskanych w 2020 r. Dokumenty zostały napisane w języku polskim. Badanie pokazało, że kilkunastokrotne zmniejszenie liczby terminów przy zastosowaniu proponowanej techniki na ogół poprawia jakość klasyfikacji.
    Źródło:
    Wiadomości Statystyczne. The Polish Statistician; 2023, 68, 5; 40-57
    0043-518X
    Pojawia się w:
    Wiadomości Statystyczne. The Polish Statistician
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sentiment Classification of Bank Clients’ Reviews Written in the Polish Language
    Analiza sentymentu na podstawie polskojęzycznych recenzji klientów banku
    Autorzy:
    Idczak, Adam Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/2033889.pdf
    Data publikacji:
    2021-06-30
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    analiza sentymentu
    klasyfikacja dokumentów
    textmining
    regresja logistyczna
    naiwny klasyfikator Bayesa
    sentiment analysis
    opinion mining
    text classification
    text mining
    logistic regression
    naive Bayes classifier
    Opis:
    It is estimated that approximately 80% of all data gathered by companies are text documents. This article is devoted to one of the most common problems in text mining, i.e. text classification in sentiment analysis, which focuses on determining the sentiment of a document. A lack of defined structure of the text makes this problem more challenging. This has led to the development of various techniques used in determining the sentiment of a document. In this paper, a comparative analysis of two methods in sentiment classification, a naive Bayes classifier and logistic regression, was conducted. Analysed texts are written in the Polish language and come from banks. The classification was conducted by means of a bag‑of‑n‑grams approach, where a text document is presented as a set of terms and each term consists of n words. The results show that logistic regression performed better.
    Szacuje się, że około 80% wszystkich danych gromadzonych i przechowywanych w systemach informacyjnych przedsiębiorstw ma postać dokumentów tekstowych. Artykuł jest poświęcony jednemu z podstawowych problemów textminingu, tj. klasyfikacji tekstów w analizie sentymentu, która rozumiana jest jako badanie wydźwięku tekstu. Brak określonej struktury dokumentów tekstowych jest przeszkodą w realizacji tego zadania. Taki stan rzeczy wymusił rozwój wielu różnorodnych technik ustalania sentymentu dokumentów. W artykule przeprowadzono analizę porównawczą dwóch metod badania sentymentu: naiwnego klasyfikatora Bayesa oraz regresji logistycznej. Badane teksty są napisane w języku polskim, pochodzą z banków i mają charakter marketingowy. Klasyfikację przeprowadzono, stosując podejście bag‑of‑n‑grams. W ramach tego podejścia dokument tekstowy wyrażony jest za pomocą podciągów składających się z określonej liczby n wyrazów. Uzyskane wyniki pokazały, że lepiej spisała się regresja logistyczna.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2021, 2, 353; 43-56
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Propozycja mieszanego przetwarzania półstrukturalnego modelu opisu zdarzeń z akcji ratowniczo-gaśniczych Państwowej Straży Pożarnej PSP3
    Proposition of hybrid process model semi structured description of event from fire services rescues operation
    Autorzy:
    Mirończuk, M.
    Maciak, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/373949.pdf
    Data publikacji:
    2013
    Wydawca:
    Centrum Naukowo-Badawcze Ochrony Przeciwpożarowej im. Józefa Tuliszkowskiego
    Tematy:
    eksploracja tekstu
    klasyfikator Bayesa
    naiwny klasyfikator Bayesa
    ontologia służb ratowniczych
    reprezentacja meldunków
    reprezentacja przypadków zdarzeń
    reprezentacja tekstu
    wnioskowanie na podstawie przypadków
    Bayes classifier
    casebased reasoning
    naive Bayes classifier
    ontology for rescue service
    representation of reports
    text mining
    text representation
    Opis:
    W opracowaniu przedstawiono aktualnie rozwijane reprezentacje wiedzy i sposoby opisów zdarzeń, dla systemu wnioskowania na podstawie przypadków zdarzeń służb ratowniczych Państwowej Straży Pożarnej PSP. W artykule zaproponowano sposób ich przetwarzania. Przedstawiony sposób bazuje na klasyfikacji i wyszukiwaniu opisów zdarzeń.
    This paper describes a review of actual developed knowledge representation and case representation for fire services cases based reasoning system. The article also describes a method of processing the cases of events. This processing method based on classification and information retrieval.
    Źródło:
    Bezpieczeństwo i Technika Pożarnicza; 2013, 1; 95-106
    1895-8443
    Pojawia się w:
    Bezpieczeństwo i Technika Pożarnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Cloud-based sentiment analysis for measuring customer satisfaction in the Moroccan banking sector using Naïve Bayes and Stanford NLP
    Autorzy:
    Riadsolh, Anouar
    Lasri, Imane
    ElBelkacemi, Mourad
    Powiązania:
    https://bibliotekanauki.pl/articles/2141901.pdf
    Data publikacji:
    2020
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    Big Data processing
    Apache Spark
    Apache Kafka
    real-time text processing
    sentiment analysis
    Stanford core NLP
    Naïve Bayes classifier
    Opis:
    In a world where every day we produce 2.5 quintillion bytes of data, sentiment analysis has been a key for making sense of that data. However, to process huge text data in real-time requires building a data processing pipeline in order to minimize the latency to process data streams. In this paper, we explain and evaluate our proposed real-time customer’ sentiment analysis pipeline on the Moroccan banking sector through data from the web and social network using open-source big data tools such as data ingestion using Apache Kafka, In-memory data processing using Apache Spark, Apache HBase for storing tweets and the satisfaction indicator, and ElasticSearch and Kibana for visualization then NodeJS for building a web application. The performance evaluation of Naïve Bayesian model show that for French Tweets the accuracy has reached 76.19% while for English Tweets the result was unsatisfactory and the resulting accuracy is 56%. To remedy this problem, we used the Stanford core NLP which, for English Tweets, reaches a precision of 80.7%.
    Źródło:
    Journal of Automation Mobile Robotics and Intelligent Systems; 2020, 14, 4; 64-71
    1897-8649
    2080-2145
    Pojawia się w:
    Journal of Automation Mobile Robotics and Intelligent Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Learning the naive Bayes classifier with optimization models
    Autorzy:
    Taheri, S.
    Mammadov, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/908351.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    Bayesian networks
    naive Bayes classifier
    optimization
    discretization
    sieci bayesowskie
    naiwny klasyfikator Bayesa
    optymalizacja
    dyskretyzacja
    Opis:
    Naive Bayes is among the simplest probabilistic classifiers. It often performs surprisingly well in many real world applications, despite the strong assumption that all features are conditionally independent given the class. In the learning process of this classifier with the known structure, class probabilities and conditional probabilities are calculated using training data, and then values of these probabilities are used to classify new observations. In this paper, we introduce three novel optimization models for the naive Bayes classifier where both class probabilities and conditional probabilities are considered as variables. The values of these variables are found by solving the corresponding optimization problems. Numerical experiments are conducted on several real world binary classification data sets, where continuous features are discretized by applying three different methods. The performances of these models are compared with the naive Bayes classifier, tree augmented naive Bayes, the SVM, C4.5 and the nearest neighbor classifier. The obtained results demonstrate that the proposed models can significantly improve the performance of the naive Bayes classifier, yet at the same time maintain its simple structure.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2013, 23, 4; 787-795
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Applying Machine Learning to Software Fault Prediction
    Autorzy:
    Wójcicki, B.
    Dabrowski, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/384105.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    classifier
    fault prediction
    machine learning
    metric
    Naïve Bayes
    Python
    quality
    software intelligence
    Opis:
    Introduction: Software engineering continuously suffers from inadequate software testing. The automated prediction of possibly faulty fragments of source code allows developers to focus development efforts on fault-prone fragments first. Fault prediction has been a topic of many studies concentrating on C/C++ and Java programs, with little focus on such programming languages as Python. Objectives: In this study the authors want to verify whether the type of approach used in former fault prediction studies can be applied to Python. More precisely, the primary objective is conducting preliminary research using simple methods that would support (or contradict) the expectation that predicting faults in Python programs is also feasible. The secondary objective is establishing grounds for more thorough future research and publications, provided promising results are obtained during the preliminary research. Methods: It has been demonstrated that using machine learning techniques, it is possible to predict faults for C/C++ and Java projects with recall 0.71 and false positive rate 0.25. A similar approach was applied in order to find out if promising results can be obtained for Python projects. The working hypothesis is that choosing Python as a programming language does not significantly alter those results. A preliminary study is conducted and a basic machine learning technique is applied to a few sample Python projects. If these efforts succeed, it will indicate that the selected approach is worth pursuing as it is possible to obtain for Python results similar to the ones obtained for C/C++ and Java. However, if these efforts fail, it will indicate that the selected approach was not appropriate for the selected group of Python projects. Results: The research demonstrates experimental evidence that fault-prediction methods similar to those developed for C/C++ and Java programs can be successfully applied to Python programs, achieving recall up to 0.64 with false positive rate 0.23 (mean recall 0.53 with false positive rate 0.24). This indicates that more thorough research in this area is worth conducting. Conclusion: Having obtained promising results using this simple approach, the authors conclude that the research on predicting faults in Python programs using machine learning techniques is worth conducting, natural ways to enhance the future research being: using more sophisticated machine learning techniques, using additional Python-specific features and extended data sets.
    Źródło:
    e-Informatica Software Engineering Journal; 2018, 12, 1; 199-216
    1897-7979
    Pojawia się w:
    e-Informatica Software Engineering Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Attribute selection for stroke prediction
    Autorzy:
    Zdrodowska, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/386466.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    data mining
    classifier
    J48 (C4.5)
    CART
    PART
    naive Bayes classifier
    random forest
    support vector machine
    multilayer perceptron
    haemorrhagic stroke
    ischemic stroke
    Opis:
    Stroke is the third most common cause of death and the most common cause of long-term disability among adults around theworld. Therefore, stroke prediction and diagnosis is a very important issue. Data mining techniques come in handy to help determine the correlations between individual patient characterisation data, that is, extract from the medical information system the knowledge necessary to predict and treat various diseases. The study analysed the data of patients with stroke using eight known classification algorithms (J48 (C4.5), CART, PART, naive Bayes classifier, Random Forest, Supporting Vector Machine and neural networks Multilayer Perceptron), which allowed to build an exploration model given with an accuracy of over 88%. The potential features of patients, which may be factors that increase the risk of stroke, were also indicated.
    Źródło:
    Acta Mechanica et Automatica; 2019, 13, 3; 200-204
    1898-4088
    2300-5319
    Pojawia się w:
    Acta Mechanica et Automatica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Yellowfin tuna (Thunnusalbacares) fishing ground forecasting model based on bayes classifier in the South China Sea
    Autorzy:
    Zhou, W.
    Li, A.
    Ji, S.
    Qiu, Y.
    Powiązania:
    https://bibliotekanauki.pl/articles/258994.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
    Tematy:
    Bayes classifier
    South China Sea
    yellowfin tuna
    fishing ground forecasting
    Opis:
    Using the yellowfin tuna (Thunnusalbacares,YFT)longline fishing catch data in the open South China Sea (SCS) provided by WCPFC, the optimum interpolation sea surface temperature (OISST) from CPC/NOAA and multi-satellites altimetric monthly averaged product sea surface height (SSH) released by CNES, eight alternative options based on Bayes classifier were made in this paper according to different strategies on the choice of environment factors and the levels of fishing zones to classify the YFT fishing ground in the open SCS. The classification results were compared with the actual ones for validation and analyzed to know how different plans impact on classification results and precision. The results of validation showed that the precision of the eight options were 71.4%, 75%, 70.8%, 74.4%, 66.7%, 68.5%, 57.7% and 63.7% in sequence, the first to sixth among them above 65% would meet the practical application needs basically. The alternatives which use SST and SSH simultaneously as the environmental factors have higher precision than which only use single SST environmental factor, and the consideration of adding SSH can improve the model precision to a certain extent. The options which use CPUE’s mean ± standard deviation as threshold have higher precision than which use CPUE’s 33.3%-quantile and 66.7%-quantile as the threshold
    Źródło:
    Polish Maritime Research; 2017, S 2; 140-146
    1233-2585
    Pojawia się w:
    Polish Maritime Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-11 z 11

      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