@misc{Kubus_Mariusz_Propozycja_2016,
 author={Kubus, Mariusz},
 identifier={DOI: 10.15611/ekt.2016.3.03},
 year={2016},
 rights={Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy},
 publisher={Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu},
 description={Ekonometria = Econometrics, 2016, Nr 3 (53), s. 32-41},
 language={pol},
 abstract={Modele zagregowanych drzew klasyfikacyjnych zyskały uznanie ze względu na poprawę stabilności i często redukcję obciążenia. Adaptacja tego podejścia do metody k najbliższych sąsiadów (kNN) napotyka jednak na pewne trudności: względnie duża stabilność tych klasyfikatorów oraz wzrost błędu klasyfikacji, gdy w zbiorze uczącym są zmienne bez mocy dyskryminacyjnej. W artykule proponuje się agregowany klasyfikator kNN z selekcją zmiennych. Jego dokładność klasyfikacji zweryfikowana jest na zbiorach rzeczywistych z dołączonymi zmiennymi nieistotnymi},
 title={Propozycja agregowanego klasyfikatora kNN z selekcją zmiennych},
 type={artykuł},
 keywords={metoda k najbliższych sąsiadów, podejście wielomodelowe, selekcja zmiennych, algorytm ReliefF},
}