Tailored classification by supervised divergence decision tree algorithm

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F19%3A00335098" target="_blank" >RIV/68407700:21340/19:00335098 - isvavai.cz</a>

Výsledek na webu

<a href="https://indico.fjfi.cvut.cz/event/114/" target="_blank" >https://indico.fjfi.cvut.cz/event/114/</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Tailored classification by supervised divergence decision tree algorithm

Popis výsledku v původním jazyce

Binary classification is a common task frequently used in high energy physics in order to separate the relevant signal from background in particle decay channels. Firstly, this paper examines behaviour of the kernel density estimators for model distributions and describes discrepancy method (D-method) for selecting the bandwidth based on evaluation of divergences or distances between two estimated distributions. Secondly, binary classification of provided HEP data set is performed by the supervised divergence decision tree algorithm incorporating R'enyi divergence measure in its nodes. It was found that the precise knowledge of any classification algorithm enables to tailor data for this specific classifier and thus to attain better results

Název v anglickém jazyce

Tailored classification by supervised divergence decision tree algorithm

Popis výsledku anglicky

Binary classification is a common task frequently used in high energy physics in order to separate the relevant signal from background in particle decay channels. Firstly, this paper examines behaviour of the kernel density estimators for model distributions and describes discrepancy method (D-method) for selecting the bandwidth based on evaluation of divergences or distances between two estimated distributions. Secondly, binary classification of provided HEP data set is performed by the supervised divergence decision tree algorithm incorporating R'enyi divergence measure in its nodes. It was found that the precise knowledge of any classification algorithm enables to tailor data for this specific classifier and thus to attain better results

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)

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2019

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of SPMS 2019 - Stochastic and Physical Monitoring Systems

ISBN

978-80-01-06659-1

ISSN

—

e-ISSN

—

Počet stran výsledku

9

Strana od-do

39-47

Název nakladatele

Česká technika - nakladatelství ČVUT

Místo vydání

Praha

Místo konání akce

Dobřichovice

Datum konání akce

20. 6. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—