Original title:
Robustní klasifikace a diskriminace
Translated title:
Robust classification and discrimination
Authors:
Rensová, Dita ; Kalina, Jan (advisor) ; Jonáš, Petr (referee) Document type: Master’s theses
Year:
2013
Language:
cze Abstract:
[cze][eng] V této práci se zabýváme modely klasifikační analýzy a jejich robustními obměnami. Nejprve popíšeme základní lineární a kvadratická klasifikační pravidla a uvedeme postupy, jak odhadnout pravděpodobnost špatné klasifikace. Poté se zaměříme na popis robustních mnohorozměrných odhadů, jejich vlastností a metod používaných pro jejich výpočet. Tyto odhady posléze použijeme k vytvoření robustních verzí klasifikačních pravidel. Dále si popíšeme analýzu hlavních kom- ponent jako metodu pro redukci dimenze dat a budeme se zabývat i její robusti- fikací. Na závěr předvedeme použití robustní klasifikační analýzy v simulacích a na reálných datech. Ukážeme si také, jak tuto klasfikaci ovlivní použití analýzy hlavních komponent.This thesis is focused on classification methods and their robust alternatives. First, we recall the standard classification rules of linear and quadratic discrim- ination analysis. We also show some methods for estimating their probability of missclassification. Next we describe some existing robust multivariate estimators, their properties and computational algorithms. These estimators are consequently used to construct robust classification rules. Then, we describe the principal com- ponent analysis as a technique for dimension reduction. Again, we study methods for its robustification. Finally, we illustrate the usage of robust classification on both numerical simulations and real data. We also investigate the influence of the principal component analysis on classification results.
Institution: Charles University Faculties (theses)
(web)
Document availability information: Available in the Charles University Digital Repository. Original record: http://hdl.handle.net/20.500.11956/52029