Porovnání kvality klasifikačních algoritmů v kontextu managementu znalostí

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62690094%3A18450%2F01%3A6418" target="_blank" >RIV/62690094:18450/01:6418 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Porovnání kvality klasifikačních algoritmů v kontextu managementu znalostí

Popis výsledku v původním jazyce

Klasifikace prvků a výběr vhodného klasifikačního modelu jsou časté typy úloh, které jsou řešeny v rámci managementu znalostí. Doporučenou mírou kvality při klasifikaci do dvou skupin je ROC křivka. Konvexní obal ROCCH nad ROC křivkami jednotlivých klasifikačních algoritmů umožní sestavit hybridní klasifikační pravidlo, které je robustní s ohledem na změny pravděpodobností v zastoupení skupin a změny cen chybné klasifikace. Pro data z datového depozitáře je řešena možnost stanovení ROC a porovnání modelů lineární diskriminační funkce, logistické regrese a rozhodovacích stromů C&RT a CART. K odhadu prediktivní validity byl použit nezávislý testovací soubor. Modely byly sestaveny na učícím souboru o rozsahu 30162 prvků. Přesnost odhadnuta na testovacím souboru 15060 prvků. Bylo možno stanovit lokálně optimální klasifikační pravidla (logistická regrese a C&RT).

Název v anglickém jazyce

Comparison of Classification Algorithms in the Contect of Knowledge Management

Popis výsledku anglicky

Classification of items and selection the best classification models are very often solved in the frame of knowledge management tasks. ROC curve is reccomended as an available measure the quality of models in the two-groups classification problems. Convex hull ROCCH under ROC curves of different models was used for setting the classification rule that is robust to changes in probabilities of both groups and (or) changes in missclassification costs. ROC curves of linear discriminant function, logistic regression, C&RT and QUEST models were compared on data from data repository. Estimate of predictive validity was based on independent test sample. Sample sizes were 30162 and 15060 respectively for training and test samples.

Druh

D - Stať ve sborníku

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2001

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Znalosti 2001

ISBN

80-245-0190-2

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

274-279

Název nakladatele

VŠE Praha

Místo vydání

Praha

Místo konání akce

Praha

Datum konání akce

1. 1. 2001

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—