Tytuł:

Metoda wektorów nośnych w konstrukcji nieparametrycznych modeli regresji

Tytuł publikacji grupowej:

Prace Naukowe Akademii Ekonomicznej im. Oskara Langego we Wrocławiu

Tytuł odmienny:

Support Vector Machines for Regression

Autor:

Trzęsiok, Michał

Opis:

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia (12); 2005; nr 1076, s. 501-510

Abstrakt:

For nonlinear regression problem, support vector machines (SVM) map the input space into a high-dimensional feature space first, and then perform linear regression in the high-dimensional feature space. The nonlinearity of SVM is realized by choosing the kernel function. Performance of SVM is very sensitive to the choice of the kernel and model parameters. In the paper the method is presented and the dependency of its performance on the kernel and the model parameters selection is analyzed.

Wydawca:

Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu

Miejsce wydania:

Wrocław

Data wydania:

2005

Typ zasobu:

artykuł

Język:

pol

Powiązania:

Prace Naukowe Akademii Ekonomicznej im. Oskara Langego we Wrocławiu; 2005; nr 1076 ; Taksonomia 12 ; 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:

Projekt dofinansowany ze środków budżetu państwa, przyznanych przez Ministra Nauki w ramach Programu Społeczna odpowiedzialność nauki II. Tytuł projektu: Nauka dla Społeczeństwa: Prace Naukowe AEW w otwartym dostępie (2005-2008)