Temat: unbalanced classification - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Hypertension diagnosis using compound pattern recognition methods
Autorzy:: Krawczyk, B.
Woźniak, M.
Powiązania:: https://bibliotekanauki.pl/articles/333544.pdf
Data publikacji:: 2011
Wydawca:: Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:: rozpoznawanie wzorców
metody złożone
zespoły klasyfikatora
uczenie maszynowe
niesymetryczna klasyfikacja
uznanie dwustopniowe
pattern recognition
compound methods
classifier ensembles
machine learning
unbalanced classification
two-stage recognition
Opis:: The paper presents a hypertension type classification task where the decisions should be made only on the basis of blood pressure, general information and basis biochemical data. This problem has a great importance to the medical decision support systems, yet results achieved so far are not satisfactory. When the canonical approaches tend to fail we should look for the compound pattern recognition systems, such as multiple classifiers systems. This article presents the results of an experimental investigation of the pool of compound classifiers which have their origin in classifiers ensembles, random forest, and random subspace. Presented methods returned good, satisfactory results, outperforming canonical approaches for this problem.
Źródło:: Journal of Medical Informatics & Technologies; 2011, 18; 41-50
1642-6037
Pojawia się w:: Journal of Medical Informatics & Technologies
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Inverting covariance matrices
Autorzy:: Stępniak, Czesław
Powiązania:: https://bibliotekanauki.pl/articles/729982.pdf
Data publikacji:: 2006
Wydawca:: Uniwersytet Zielonogórski. Wydział Matematyki, Informatyki i Ekonometrii
Tematy:: multi-way classification
cross
hierarchical
balanced
unbalanced
covariance matrix
inverting
Opis:: Some useful tools in modelling linear experiments with general multi-way classification of the random effects and some convenient forms of the covariance matrix and its inverse are presented. Moreover, the Sherman-Morrison-Woodbury formula is applied for inverting the covariance matrix in such experiments.
Źródło:: Discussiones Mathematicae Probability and Statistics; 2006, 26, 2; 163-177
1509-9423
Pojawia się w:: Discussiones Mathematicae Probability and Statistics
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Assessment of the influence of dependent variable distribution on selected goodness of fit measures using the example of customer churn model
Ocena wpływu rozkładu zmiennej zależnej na wybrane miary oceny siły dyskryminacyjnej na przykładzie modeli migracji klientów
Autorzy:: Migut, Grzegorz
Powiązania:: https://bibliotekanauki.pl/articles/424775.pdf
Data publikacji:: 2020
Wydawca:: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:: classification models
goodness of fit
unbalanced datasets
customer churn analysis
modele klasyfikacyjne
dobroć dopasowania
zbiory niezbalansowane
analiza migracji klientów
Opis:: Classification models enable optimal actions to be taken at every stage of the customer’s lifecycle. A circumstance affecting both the model building process and the assessment of their discriminatory power is the unbalanced distribution of the dichotomous dependent variable. The article focuses on the question of reliable assessment of the goodness of fit. The first part of the article reviews the measures of predictive power and then assesses the impact of the distribution of the dependent variable on the selected measures of goodness of fit. As a result, the high sensitivity of a number of measures such as lift, accuracy (ACC), or F-Score was observed. The sensitivity of MCC and Kappa Cohen’s measurements was also observed. Sensitivity (SENS) and specificity (SPEC), Youden’s index and measures based on ROC curves showed no such sensitivity. The conclusions obtained may allow the avoidance of misjudging the predictive power of models built for both learning and business practice.
Modele klasyfikacyjne umożliwiają podejmowanie optymalnych działań na każdym etapie cyklu życia klienta. Okolicznością wpływającą zarówno na proces budowy modeli, jak i na ocenę ich siły dyskryminacyjnej jest niezbalansowany rozkład dwustanowej zmiennej zależnej. W artykule skoncentrowano się na kwestii wiarygodnej oceny dobroci dopasowania. W pierwszej części artykułu dokonano przeglądu miar siły dyskryminacyjnej, następnie przeprowadzono ocenę wpływu rozkładu zmiennej zależnej na wybrane miary dobroci dopasowania. W wyniku badań zaobserwowano wysoką wrażliwość szeregu miar, takich jak lift, accuracy (ACC) czy F-Score. Zaobserwowano wrażliwość miar MCC oraz Kappa Cohena. Czułość (SENS) oraz specyficzność (SPEC), jak również pochodne miary oparte na krzywej ROC, a także indeks Youdena wykazały brak takiej wrażliwości. Uzyskane wnioski mogą pozwolić na uniknięcie błędnej oceny zdolności predykcyjnej modeli zarówno budowanych na potrzeby nauki, jak i wykorzystywanych w praktyce biznesowej.
Źródło:: Econometrics. Ekonometria. Advances in Applied Data Analytics; 2020, 24, 1; 51-70
1507-3866
Pojawia się w:: Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "unbalanced classification" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język