- Autor
- Lenarcik Andrzej (Politechnika Świętokrzyska), Piasta Zdzisław (Politechnika Świętokrzyska)
- Tytuł
- Pozyskiwanie wiedzy z wielowymiarowych szeregów czasowych z wykorzystaniem klasyfikatorów przybliżonych
- Źródło
- Prace Naukowe Akademii Ekonomicznej we Wrocławiu, 1999, nr 815, s. 126-133, bibliogr. 7 poz.
- Tytuł własny numeru
- Pozyskiwanie wiedzy z baz danych
- Słowa kluczowe
- Szeregi czasowe, Wielowymiarowa analiza statystyczna, Bazy danych, Materiały konferencyjne
Time-series, Multi-dimensional statistical analysis, Databases, Conference materials - Abstrakt
- 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)
- Dostępne w
- Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu - Bibliografia
-
- 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.
- Nowak E. (red.): Prognozowanie gospodarcze, metody, modele, zastosowania, przykłady. Agencja Wydawnicza PLACET, Warszawa 1998.
- 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.
- Pawlak Z.: Rough Sets: Theoretical Aspects of Reasoning About Data. Kluwer Academic Publishers, Dordrecht, 1991.
- Piasta Z., Lenarcik A.: Rule Induction with Probabilistic Rough Classifiers. ICS Research Report 24/96, Warsaw University of Technology, 1996.
- Piasta Z.: Pozyskiwanie wiedzy z danych z zastosowaniem klasyfikatorów przybliżonych. [w:] A. Baborski (red.): Pozyskiwanie wiedzy. Akademia Ekonomiczna we Wrocławiu. Wrocław 1997, 133-149.
- 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.
- Cytowane przez
- ISSN
- 0324-8445
- Język
- pol
