Results found: 2

Search results

Sort By:

Limit search:

On Some Properties of Support Vector Clustering

100%

Trzęsiok M., Department of Mathematics K. A. U. o. E.

Acta Universitatis Lodziensis. Folia Oeconomica

2009

vol. 228

Celem referatu jest przedstawienie analizy wybranych formalnych własności taksonomicznej metody wektorów nośnych (SVC). Wyniki dotyczące nowej metody SVC zestawiono i porównano z własnościami innych znanych metod taksonomicznych. Ponieważ na ogół nie jest możliwe wskazanie, która z metod taksonomicznych daje najlepsze rezultaty, stojąc wobec konkretnego problemu, badacz musi dokonywać wyboru metody w oparciu o wiedzę dotyczącą ich własności. Zadaniem badacza jest wtedy ustalenie preferencji w zbiorze własności metod by następnie użyć ich przy doborze odpowiedniego narzędzia. Wiedza dotycząca formalnych własności metod taksonomicznych jest w referacie rozszerzona o nową- taksonomiczną metodę wektorów nośnych.

The aim o f this paper is to analyse the relatively new clustering method - Support Vector Clustering (SVC) in terms o f fulfilling admissibility conditions. The results are compared within a group o f four other clustering methods. Since it is not possible to assess which clustering method is the "best" in general, given a specific problem the user can decide which method to apply considering some properties o f clustering methods, known as admissibility conditions. This paper expands the knowledge about the properties o f clustering methods with the properties o f SVC.

Multiple Additive Regression Trees (MART) and their Application

100%

Trzęsiok J., Department of Mathematics K. A. U. o. E.

Acta Universitatis Lodziensis. Folia Oeconomica

2007

vol. 206

Multiple additive regression trees MART is a methodology for trying to solve prediction problems in regression and classification. It’s one of the boosting methods. It was introduced by J. H. Friedman (1999a). Besides accuracy, its primary goal is robustness. It lends to be resistant against outliers, missing values, and the inclusion of potentially large numbers of irrelevant predictor variables that have little or no effect on the response. In this paper the MART algorithm and their applications will be discussed.

Addytywna metoda budowy drzew regresyjnych (MART), została zaproponowana przez J. H. Friedmana w 1999 r. (1999a, b). Jest to jedna z metod agregacyjnych, mająca zastosowanie w regresji i dyskryminacji opierająca się na modelach w postaci drzew. Jej zaletami, poza dokładnością predykcji, jest odporność na wartości oddalone i braki danych. Bardzo dobrze radzi sobie również z dużą liczbą zmiennych objaśniających, wśród których wiele może nie mieć istotnego wpływu na zmienną zależną. W artykule przedstawiona została ogólna idea metod agregacyjnych. Zaprezentowano i omówiono kolejne kroki algorytmu MART, a następnie, dla ilustracji, podany został przykład zastosowania procedury MART dla zbioru danych „Boston”.

Refine search results

2 Acta Universitatis Lodziensis. Folia Oeconomica

2 Department of Mathematics K. A. U. o. E.

1 Trzęsiok J.

1 Trzęsiok M.

1 2009

1 2007

Search results

On Some Properties of Support Vector Clustering

Multiple Additive Regression Trees (MART) and their Application