Tytuł:

Podejście wielomodelowe w analizie danych symbolicznych - metoda bagging

Tytuł publikacji grupowej:

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

Tytuł odmienny:

Ensemble Learning For Symbolic Data With Application Of Bagging

Autor:

Pełka, Marcin

Temat i słowa kluczowe:

analiza danych symbolicznych ; podejście wielomodelowe ; bagging

Opis:

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu = Research Papers of Wrocław University of Economics; 2011; Nr 176, s. 375-382

Abstrakt:

W artykule przedstawiono podstawowe pojęcia związane z metodą bagging oraz metodą k-najbliższych sąsiadów dla danych symbolicznych. Zaprezentowano w nim także możliwość zastosowania podejścia wielomodelowego bagging w metodzie k-najbliższych sąsiadów dla danych symbolicznych. W części empirycznej przedstawiono zastosowanie podejścia wielomodelowego dla danych symbolicznych w przypadku przykładowych zbiorów danych wygenerowanych za pomocą funkcji cluster.Gen z pakietu cluster- Sim w programie R.

Wydawca:

Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu

Miejsce wydania:

Wrocław

Data wydania:

2011

Typ zasobu:

artykuł

Język:

pol

Powiązania:

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu = Research Papers of Wrocław University of Economics; 2011; Nr 176 ; Taksonomia 18 Klasyfikacja i analiza danych - teoria i zastosowania

Prawa:

Wszystkie prawa zastrzeżone (Copyright)

Prawa dostępu:

Dla wszystkich w zakresie dozwolonego użytku

Lokalizacja oryginału:

Uniwersytet Ekonomiczny we Wrocławiu

Źródło finansowania:

Dofinansowano z programu "Społeczna odpowiedzialność nauki" Ministra Edukacji i Nauki (SONB/SP/546390/2022). Tytuł projektu: Upowszechnienie zawartości czasopisma Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu