Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji

Eugeniusz Gatnar

Uzyskaj dostęp

Zakup książkę

ISBN/ISSN:

978-83-01-15366-3

DOI:

Wydawnictwo:

Wydawnictwo Naukowe PWN

Rok wydania:

2008

Liczba stron:

200

XML:ISBN/ISSN:

ONIX MARC21

Bibliografia:

Gatnar, Eugeniusz. Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji. Red. . Warszawa: Wydawnictwo Naukowe PWN, 2008, 200 s. ISBN 978-83-01-15366-3

Bibliografia refWorks:

RT Book, Whole

SR Electronic(1)

A1 Gatnar, E.

T1 Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji

PB Wydawnictwo Naukowe PWN

PP Warszawa

YR 2008

SN 978-83-01-15366-3

Bibliografia BibTex:

@Book{ 614, author = "Gatnar, Eugeniusz", editor = "", title = "Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji", publisher = "Wydawnictwo Naukowe PWN", year = "2008", address = "Warszawa", isbn = "978-83-01-15366-3" }

Bibliografia endNote:

TY - BOOK

AU - Gatnar, Eugeniusz

ED -

TI - Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji

PB - Wydawnictwo Naukowe PWN

CY - Warszawa

PY - 2008

SN - 978-83-01-15366-3

ER -

Netografia (standard APA):

Gatnar, Eugeniusz. Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji [baza danych online] Warszawa: Wydawnictwo Naukowe PWN, 2008 [dostęp: 02 05 2024]. Dostęp w Ibuk Libra: https://libra.ibuk.pl/reader/podejscie-wielomodelowe-w-zagadnieniach-dyskryminacji-i-regresji-eugeniusz-gatnar-614.

ekonometria, statystyka, analiza dyskryminacyjna, analiza regresji

W systemach społecznych kolektywne podejmowanie decyzji jest czymś naturalnym. Na przykład w sprawach dotyczących działalności jednostek gospodarczych (przedsiębiorstwa), czy administracyjnych (miasta), decyzje podejmuje zarząd, a więc zespół osób...

Więcej

ISBN/ISSN:

978-83-01-15366-3

DOI:

Wydawnictwo:

Wydawnictwo Naukowe PWN

Rok wydania:

2008

Liczba stron:

200

XML:ISBN/ISSN:

ONIX MARC21

Wstęp8
Wykaz symboli12
1. Podstawowe zagadnienia analizy dyskryminacyjnej i analizy regresji14
1.1. Pojęcia wstępne14
1.2. Dyskryminacja i regresja16
1.3. Błąd predykcji i jego dekompozycja22
1.4. Zbiory danych wykorzystywane w książce28
2. Wybrane klasy modeli dyskryminacyjnych i regresyjnych34
2.1. Modele liniowe34
2.2. Metoda najbliższych sąsiadów43
2.3. Drzewa klasyfikacyjne i regresyjne50
2.4. Sieci neuronowe59
2.5. Metoda wektorów nośnych (SVM)67
3. Podejście wielomodelowe75
3.1. Agregacja modeli75
3.2. Architektura modeli zagregowanych80
3.3. Dekompozycja błędu predykcji modelu zagregowanego83
3.4. Ustalanie optymalnej liczby modeli bazowych91
4. Zróżnicowanie modeli bazowych i jego pomiar96
4.1. Znaczenie zróżnicowania modeli bazowych96
4.2. Miary zróżnicowania pary modeli bazowych101
4.3. Miary zróżnicowania wszystkich modeli bazowych109
4.4. Sposoby zapewnienia zróżnicowania modeli bazowych114
4.5. Wykorzystanie metod taksonomicznych119
5. Metody łączenia wyników predykcji modeli bazowych125
5.1. Rodzaje predykcji modeli bazowych125
5.2. Pojedyncza klasa127
5.3. Uporządkowany zbiór kla134
5.4. Wektor prawdopodobieństw a posteriori138
5.5. Analiza porównawcza metod łączenia modeli145
6. Wybrane metody budowy modeli zagregowanych151
6.1. Bagging i inne metody losowego doboru obserwacji do prób uczących151
Windowing151
Stacking152
Bagging153
Wagging154
Ivote155
Bundling156
6.2. Metoda boosting i jej odmiany158
Arcing163
AdaBoost.R164
Gradient boosting165
6.3. Metody doboru zmiennych objaśniających168
Random Subspace Method168
Losowy dobór zmiennych do drzew klasyfikacyjnych i regresyjnych170
Random Forest171
Input Decimation173
CFSH174
6.4. Metody oparte na modyfikacjach zmiennej zależnej177
Error-Correcting Output Coding177
Twicing177
Adaptive bagging181
Bibliografia183
Indek197