BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Lenarcik Andrzej (Politechnika Świętokrzyska), Piasta Zdzisław (Politechnika Świętokrzyska)
Title
Pozyskiwanie wiedzy z wielowymiarowych szeregów czasowych z wykorzystaniem klasyfikatorów przybliżonych
Source
Prace Naukowe Akademii Ekonomicznej we Wrocławiu, 1999, nr 815, s. 126-133, bibliogr. 7 poz.
Issue title
Pozyskiwanie wiedzy z baz danych
Keyword
Szeregi czasowe, Wielowymiarowa analiza statystyczna, Bazy danych, Materiały konferencyjne
Time-series, Multi-dimensional statistical analysis, Databases, Conference materials
Abstract
W pracy przedstawione zostały możliwości zastosowania systemu indukcji reguł ProbRough do analizy wielowymiarowych szeregów czasowych. Wygenerowane zestawy reguł spełniają dwojaką rolę. Z jednej strony, w skondensowanej formie obrazują związki między wartościami cech a rozważanymi klasami, jakie występują w zbiorze przypadków należących do zbioru uczącego. Z drugiej strony, uzyskane klasyfikatory mogą posłużyć do prognozowania przyszłych stanów wybranego szeregu czasowego. Realizacja tego drugiego celu jest znacznie trudniejsza. Reguły wygenerowane z danych giełdowych okazały się statystycznie nieistotne. Oznacza to, że nie powinny być stosowane w prognozowaniu. Jest jednak możliwe, że uwzględnienie bardziej adekwatnych parametrów charakteryzujących rozważane szeregi pozwoli odkryć reguły istotne statystycznie. Jednak nawet w takiej sytuacji trudno liczyć na wysoki procent poprawnych zaklasyfikować nowych przypadków. (fragment tekstu)
Accessibility
The Main Library of the Cracow University of Economics
The Library of Warsaw School of Economics
The Library of University of Economics in Katowice
The Main Library of Poznań University of Economics and Business
The Main Library of the Wroclaw University of Economics
Bibliography
Show
  1. Kohavi R. (1995): A Study of Cross-Validation and Bootstrap for Accuracy Estimation and Model Selection. [w:] Melish C.S. (ed.), Proceedings of the 14th International Joint Conference on Artifical intelligence, Morgan Kaufmann, 1137-1143.
  2. Nowak E. (red.): Prognozowanie gospodarcze, metody, modele, zastosowania, przykłady. Agencja Wydawnicza PLACET, Warszawa 1998.
  3. Nycz M., Jakubczyc J.: Przegląd zagadnień odkrywania wiedzy z baz danych. [w:] A. Baborski (red.): Pozyskiwanie wiedzy z baz danych Akademia Ekonomiczna we Wrocławiu. Wrocław 1998, 9-21.
  4. Pawlak Z.: Rough Sets: Theoretical Aspects of Reasoning About Data. Kluwer Academic Publishers, Dordrecht, 1991.
  5. Piasta Z., Lenarcik A.: Rule Induction with Probabilistic Rough Classifiers. ICS Research Report 24/96, Warsaw University of Technology, 1996.
  6. Piasta Z.: Pozyskiwanie wiedzy z danych z zastosowaniem klasyfikatorów przybliżonych. [w:] A. Baborski (red.): Pozyskiwanie wiedzy. Akademia Ekonomiczna we Wrocławiu. Wrocław 1997, 133-149.
  7. Piasta Z., Lenarcik A.: Learning rough classifiers from Large Databases with Missing Values. [w:] Polkowski L., Skowron A. (eds): Rough Sets in Knowledge Discovery. Vol. 1, Physica-Verlag, 1998, 483-499.
Cited by
Show
ISSN
0324-8445
Language
pol
Share on Facebook Share on Twitter Share on Google+ Share on Pinterest Share on LinkedIn Wyślij znajomemu