BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Michalski Piotr (Uniwersytet Ekonomiczny we Wrocławiu)
Tytuł
Wymienność wariacji i obciążenia w modelu klasyfikacji pod nadzorem
Bias-Variance Trade-off In Supervised Classification
Źródło
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Ekonometria (22), 2008, nr 27, s. 51-64, rys., tab., bibliogr. 6 poz.
Tytuł własny numeru
Zastosowania metod ilościowych
Słowa kluczowe
Analiza wariancji, Klasyfikacja, Modele ekonometryczne
Variance analysis, Classification, Econometric models
Uwagi
streszcz.
Abstrakt
W artykule zaprezentowano podejście do dekompozycji oczekiwanego błędu predykcji w klasyfikacji według J.H. Friedmana. Dekompozycja ta ujawnia multiplikatywną wymienność wariancji i obciążenia w modelu klasyfikacji pod nadzorem oraz pozwala wyjaśnić klasyfikacyjną konkurencyjność prostych, obciążonych modeli, takich jak np. liniowy model prawdopodobieństwa. W artykule przedstawiono również symulacyjny przykład obliczenia oczekiwanego błędu predykcji w klasyfikacji za pomocą dekompozycji Friedmana, porównujący trzy modele ekonometryczne o różnym obciążeniu. (abstrakt oryginalny)

The article presents the decomposition of the expected prediction error in classification introduced by J.H. Friedman, which can be used to explain this phenomenon. A simulation example of error calculation via Friedman’s decomposition is also given. (fragment of text)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Ćwik J.. Koronacki J., Statystyczne systemy uczące się, Wydawnictwo Naukowo-Techniczne, Warszawa 2005.
  2. Domingos P., A Unified Bias-Variance Decomposition for Zero-One and Squared Loss, Austin (USA): AAAI Press, Proceedings of the Seventeenth National Conference on Artificial Intelligence 2000, pp. 564-569.
  3. Faraway J.J., Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models. Chapman & Hall/CRC Press, London 2006.
  4. Friedman J.H., On Bias, Variance, 0/1-loss, and the Curse-of-dimensionality, Kluwer Academic Publishers: Data Mining and Knowledge Discovery 1 1997, pp. 55-77.
  5. Hastie T., Tibshirani R., Friedman J., The Elements of Statistical Learning: Data Mining, Inference and Prediction, Springer, New York 2003.
  6. Le Borgne Yann-Ael, Bias-Variance Trade-off Characterization in a Classification Problem. What Differences with Regression? Machine Learning Group, Université Libre de Bruxelles 2005.
Cytowane przez
Pokaż
ISSN
1899-3192
1507-3866
Język
eng
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu