The influence of irrelevant variables on classification error in rules induction

• Authors: Kubus, Mariusz

Abstracts

PL

Typowym zadaniem data mining jest wykrycie niespodziewanych i systematycznych relacji w danych, gdy nie ma wcześniejszych oczekiwań co do natury tych relacji. W dużych zbiorach, które nie były zgromadzone w celu prowadzonej przez badacza analizy, zwykle występuje wiele zmiennych nieistotnych, co może obniżyć jakość modelu dyskryminacyjnego. W takich sytuacjach stosowane są metody selekcji zmiennych. W nieparametrycznych i adaptacyjnych metodach dyskryminacji (drzewa klasyfikacyjne, indukcja reguł) selekcja zmiennych jest częścią algorytmu uczącego. Za pomocą symulacji badany jest wpływ zmiennych nieistotnych na błąd klasyfikacji w tych metodach.

Keywords

EN

irrelevant variables; discrimination; adaptive methods; rules induction

• Publisher: Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
• Journal: Acta Universitatis Lodziensis. Folia Oeconomica
• Year: 2011
• Volume: 255

Dates

published

2011

Contributors

author

Kubus, Mariusz

other

Politechnika Opolska; Wydział Inżynierii Produkcji i Logistyki; Instytut Matematyki i Fizyki

Identifiers

URI

http://hdl.handle.net/11089/696