|
| |
|
|
Klasifikační a regresní lesy
Klaschka, Jan ; Kotrč, Emil
Klasifikační les je klasifikační model vytvořený kombinací určitého počtu klasifikačních stro-mů. Každý strom přiřazuje hodnotě vektoru prediktorů nějakou třídu a výsledná klasifikační funkce je dána hlasováním. Obdobně regresní les sestává z několika regresních stromů a výsledná regresní funkce je definována jako vážený průměr regresních funkcí jednotlivých stromů. V práci jsou stručně vysvětleny některé metody vytváření lesů, jmenovitě tzv. bagging, boosting, arcing a Random Forests.
|
|
|
Klasifikační a regresní lesy
Klaschka, Jan ; Kotrč, Emil
Klasifikační les je klasifikační model vytvořený kombinací určitého počtu klasifikačních stro-mů. Každý strom přiřazuje hodnotě vektoru prediktorů nějakou třídu a výsledná klasifikační funkce je dána hlasováním. Obdobně regresní les sestává z několika regresních stromů a výsledná regresní funkce je definována jako vážený průměr regresních funkcí jednotlivých stromů. V práci jsou stručně vysvětleny některé metody vytváření lesů, jmenovitě tzv. bagging, boosting, arcing a Random Forests.
|
|
|
Lesk a bída optimálních stromů
Savický, Petr ; Klaschka, Jan
Optimal classification trees have the smallest error on training data, given the number of leaves. Previous experiments suggest that the generalization properties of the optimal trees might be consistently at least as good as these of the trees grown by classical methods. The result presented in current paper demonstrate, however, that for some classification problems the optimal trees are outperformed by the classical ones.
|
host ::
RSS.