Avoiding overfitting of models: an application to research data on the Internet videos

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F17%3A00481488" target="_blank" >RIV/67985556:_____/17:00481488 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Avoiding overfitting of models: an application to research data on the Internet videos

Popis výsledku v původním jazyce

The problem of overfitting is studied from the perspective of information theory. In this context, data-based model learning can be viewed as a transformation process, a process transforming the information contained in data into the information represented by a model. The overfitting of a model often occurs when one considers an unnecessarily complex model, which usually means that the considered model contains more information than the original data. Thus, using one of the basic laws of information theory saying that any transformation cannot increase the amount of information, we get the basic restriction laid on models constructed from data: A model is acceptable if it does not contain more information than the input data file.

Název v anglickém jazyce

Avoiding overfitting of models: an application to research data on the Internet videos

Popis výsledku anglicky

The problem of overfitting is studied from the perspective of information theory. In this context, data-based model learning can be viewed as a transformation process, a process transforming the information contained in data into the information represented by a model. The overfitting of a model often occurs when one considers an unnecessarily complex model, which usually means that the considered model contains more information than the original data. Thus, using one of the basic laws of information theory saying that any transformation cannot increase the amount of information, we get the basic restriction laid on models constructed from data: A model is acceptable if it does not contain more information than the input data file.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

50202 - Applied Economics, Econometrics

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2017

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 35th International Conference Mathematical Methods in Economics (MME 2017)

ISBN

978-80-7435-678-0

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

289-294

Název nakladatele

University of Hradec Králové

Místo vydání

Hradec Králové

Místo konání akce

Hradec Králové

Datum konání akce

13. 9. 2017

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—