Scalability of predictive ensembles
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F17%3A00328801" target="_blank" >RIV/68407700:21230/17:00328801 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/68407700:21240/17:00328801
Výsledek na webu
<a href="http://toc.proceedings.com/36770webtoc.pdf" target="_blank" >http://toc.proceedings.com/36770webtoc.pdf</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/STC-CSIT.2017.8098848" target="_blank" >10.1109/STC-CSIT.2017.8098848</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Scalability of predictive ensembles
Popis výsledku v původním jazyce
Recent meta-learning approaches are oriented towards algorithm selection, optimization or recommendation of existing algorithms. In this paper we show how inductive algorithms constructed from building blocks on small data subsample can be scaled up to model large data sets. We demonstrate how one particular template (simple ensemble of fast sigmoidal regression models) outperforms state-of-the-art approaches on the Airline data set.
Název v anglickém jazyce
Scalability of predictive ensembles
Popis výsledku anglicky
Recent meta-learning approaches are oriented towards algorithm selection, optimization or recommendation of existing algorithms. In this paper we show how inductive algorithms constructed from building blocks on small data subsample can be scaled up to model large data sets. We demonstrate how one particular template (simple ensemble of fast sigmoidal regression models) outperforms state-of-the-art approaches on the Airline data set.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2017
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
2017 12th International Scientific and Technical Conference on Computer Sciences and Information Technologies (CSIT)
ISBN
978-1-5386-1639-0
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
555-560
Název nakladatele
IEEE (Institute of Electrical and Electronics Engineers)
Místo vydání
—
Místo konání akce
Lvov
Datum konání akce
5. 9. 2017
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000425922100126