The importance of predictor variables for individual classes in SVM

• Authors: Trzęsiok, Michał

Abstracts

PL

W metodzie wektorów nośnych (SVM) funkcja dyskryminująca wyznaczana jest poprzez transformację danych w przestrzeń o znacznie większym wymiarze, gdzie poszukuje się optymal- nej hiperpłaszczyzny rozdzielającej klasy parami. Na skutek tej transformacji działanie metody SVM przypomina działanie „czarnej skrzynki”, co oznacza, iż bardzo trudno interpretować wyniki tak otrzymanej klasyfikacji. Po zbudowaniu modelu często ważnym problemem jest znalezienie stosownego opisu klas oraz rozpoznanie, które zmienne objaśniające miały największy wpływ na kształt poszczególnych klas (zidentyfikowanie zmiennych charakterystycznych). Głównym celem przeprowadzonej analizy jest przedstawienie procedury wykorzystującej techniki próbkowania, selekcję oraz miarę zgodności klasyfikacji, do oceny wpływu poszczegól- nych zmiennych diagnostycznych na kształt każdej z klas.

• Publisher: Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
• Journal: Acta Universitatis Lodziensis. Folia Oeconomica
• Year: 2010
• Volume: 235

Dates

published

2010

Contributors

author

Trzęsiok, Michał

other

Uniwersytet Ekonomiczny w Katowicach; Wydział Zarządzania; Katedra Matematyki

Identifiers

URI

http://hdl.handle.net/11089/352