INNE EBOOKI AUTORA
Koszyk
Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji
Autor:
Wydawca:
Format:
ibuk
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 składający się ze specjalistów z różnych dziedzin (finansów, marketingu, zarządzania, produkcji, sprzedaży, itd.). Odbywa się to zazwyczaj albo na zasadzie konsensusu, albo większością głosów w drodze głosowania. W taki sposób można także rozwiązywać problemy szeroko rozumianej statystyki wielowymiarowej, a zwłaszcza analizy dyskryminacyjnej i analizy regresji.
Publikacja przybliży Czytelnikowi podstawowe zagadnienia związane z łączeniem modeli dyskryminacyjnych i regresyjnych. Ilustrowana jest wieloma przykładami, w których wykorzystano powszechnie uznane i ogólnodostępne zbiory danych. Przykłady te pozwalają lepiej zrozumieć charakter rozważanych zagadnień, a ponadto dowodzą praktycznej przydatności omawianych metod.
Na końcu książki znajduje się bardzo obszerna bibliografia przedmiotu, obejmująca przeszło 300 najważniejszych pozycji z literatury światowej, wydanych do połowy 2007 roku.
Rozważania zamieszczone w książce zainteresują badaczy różnych specjalności, a przede wszystkim statystyków i informatyków zajmujących się komputerowymi modelami statystyki wielowymiarowej oraz implementacjami w dziedzinie eksploracji danych (Data Mining). Również studenci starszych lat specjalizujący się w statystyce i ekonometrii oraz praktycy wykorzystujący metody dyskryminacji i regresji powinni znaleźć tu interesujące dla siebie zagadnienia.
| Rok wydania | 2008 |
|---|---|
| Liczba stron | 200 |
| Kategoria | Inne |
| Wydawca | Wydawnictwo Naukowe PWN |
| ISBN-13 | 978-83-01-15366-3 |
| Numer wydania | 1 |
| Język publikacji | polski |
| Informacja o sprzedawcy | ePWN sp. z o.o. |
POLECAMY
Ciekawe propozycje
Spis treści
| Wstęp VII | |
| Wykaz symboli XI | |
| 1. Podstawowe zagadnienia analizy dyskryminacyjnej i analizy regresji | 1 |
| 1.1. Pojęcia wstępne | 1 |
| 1.2. Dyskryminacja i regresja | 3 |
| 1.3. Błąd predykcji i jego dekompozycja | 9 |
| 1.4. Zbiory danych wykorzystywane w książce | 15 |
| 2. Wybrane klasy modeli dyskryminacyjnych i regresyjnych | 21 |
| 2.1. Modele liniowe | 21 |
| 2.2. Metoda najbliższych sąsiadów | 30 |
| 2.3. Drzewa klasyfikacyjne i regresyjne | 37 |
| 2.4. Sieci neuronowe | 46 |
| 2.5. Metoda wektorów nośnych (SVM) | 54 |
| 3. Podejście wielomodelowe | 62 |
| 3.1. Agregacja modeli | 62 |
| 3.2. Architektura modeli zagregowanych | 67 |
| 3.3. Dekompozycja błędu predykcji modelu zagregowanego | 70 |
| 3.4. Ustalanie optymalnej liczby modeli bazowych | 78 |
| 4. Zróżnicowanie modeli bazowych i jego pomiar | 83 |
| 4.1. Znaczenie zróżnicowania modeli bazowych | 83 |
| 4.2. Miary zróżnicowania pary modeli bazowych | 88 |
| 4.3. Miary zróżnicowania wszystkich modeli bazowych | 96 |
| 4.4. Sposoby zapewnienia zróżnicowania modeli bazowych | 101 |
| 4.5. Wykorzystanie metod taksonomicznych | 106 |
| 5. Metody łączenia wyników predykcji modeli bazowych | 112 |
| 5.1. Rodzaje predykcji modeli bazowych | 112 |
| 5.2. Pojedyncza klasa | 114 |
| 5.3. Uporządkowany zbiór klas | 121 |
| 5.4. Wektor prawdopodobieństw a posteriori | 125 |
| 5.5. Analiza porównawcza metod łączenia modeli | 132 |
| 6. Wybrane metody budowy modeli zagregowanych | 138 |
| 6.1. Bagging i inne metody losowego doboru obserwacji do prób uczących | 138 |
| Windowing | 138 |
| Stacking | 139 |
| Bagging | 140 |
| Wagging | 141 |
| Ivotes | 142 |
| Bundling | 143 |
| 6.2. Metoda boosting i jej odmiany | 145 |
| Arcing | 150 |
| AdaBoost.R | 151 |
| Gradient boosting | 152 |
| 6.3. Metody doboru zmiennych objaśniających | 155 |
| Random Subspace Method | 155 |
| Losowy dobór zmiennych do drzew klasyfikacyjnych i regresyjnych | 157 |
| Random Forests | 158 |
| Input Decimation | 160 |
| CFSH | 161 |
| 6.4. Metody oparte na modyfikacjach zmiennej zależnej | 164 |
| Twicing | 164 |
| Error-Correcting Output Coding | 164 |
| Adaptive bagging | 168 |
| Bibliografia | 170 |
| Indeks | 184 |
Wypożyczaj w abonamencie!
Już od 2,66 zł za ebooka
