Ordinální klasifikace s monotónními omezeními
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F06%3A00096927" target="_blank" >RIV/67985807:_____/06:00096927 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Ordinal Classification with Monotonicity Constraints
Popis výsledku v původním jazyce
Classification methods commonly assume unordered class values. In many practical applications ? for example grading ? there is a natural ordering between class values. Furthermore, some attribute values of classified objects can be ordered, too. The standard approach in this case is to convert the ordered values into a numeric quantity and apply a regression learner to the transformed data. This approach can be used just in case of linear ordering. The proposed method for such a classification lies on the boundary between ordinal classification trees, classification trees with monotonicity constraints and multi-relational classification trees. The advantage of the proposed method is that it is able to handle non-linear ordering on the class and attribute values. For the better understanding, we use a toy example from the semantic web environment - prediction of rules for the user?s evaluation of hotels.
Název v anglickém jazyce
Ordinal Classification with Monotonicity Constraints
Popis výsledku anglicky
Classification methods commonly assume unordered class values. In many practical applications ? for example grading ? there is a natural ordering between class values. Furthermore, some attribute values of classified objects can be ordered, too. The standard approach in this case is to convert the ordered values into a numeric quantity and apply a regression learner to the transformed data. This approach can be used just in case of linear ordering. The proposed method for such a classification lies on the boundary between ordinal classification trees, classification trees with monotonicity constraints and multi-relational classification trees. The advantage of the proposed method is that it is able to handle non-linear ordering on the class and attribute values. For the better understanding, we use a toy example from the semantic web environment - prediction of rules for the user?s evaluation of hotels.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/1ET100300517" target="_blank" >1ET100300517: Metody inteligentních systémů a jejich aplikace při dobývání znalostí a zpracování přirozeného jazyka</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2006
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Advances in Data Mining. Applications in Medicine, Web Mining, Marketing, Image and Signal Mining
ISBN
978-3-540-36036-0
ISSN
—
e-ISSN
—
Počet stran výsledku
9
Strana od-do
217-225
Název nakladatele
Springer
Místo vydání
Berlin
Místo konání akce
Leipzig
Datum konání akce
14. 7. 2006
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—