Inny tytuł:

Książka = Book ; KS/3/2012/T1P[9]

Wydawca:

Instytut Badań Systemowych. Polska Akademia Nauk ; Systems Research Institute. Polish Academy of Sciences

Miejsce wydania:

Warszawa

Opis:

[6], 129-141 stron ; 21 cm ; Bibliografia s. 140-141

Typ obiektu:

Książka/Rozdział

Abstrakt:

Importance of feature selection techniques in multidimensional data analysis is nowadays beyond doubt. It is especially so in such learning tasks which are characterized by a very high dimensionality and a low number of learning examples. An alternative approach to well known and commonly used selection methods (e.g. backward, forward, stepwise) is to use the Akaike Information Criterion (AIC) for feature selection investigating the whole feature set simultaneously. An experimental approach to feature selection suggested in the paper is based on so-called AIC Improvement Matrices, which describe the situation in the whole feature set. Besides paying attention to AIC selection algorithms refer also to correlation between features in the data set.

Czasopismo/Seria/cykl:

Książka = Book

Szczegółowy typ zasobu:

Książka

Identyfikator zasobu:

oai:rcin.org.pl:198680

Źródło:

KS-2012-03-T1P[9]

Język:

eng

Język streszczenia:

eng

Prawa:

Licencja Creative Commons Uznanie autorstwa 4.0

Zasady wykorzystania:

Zasób chroniony prawem autorskim. [CC BY 4.0 Międzynarodowe] Korzystanie dozwolone zgodnie z licencją Creative Commons Uznanie autorstwa 4.0, której pełne postanowienia dostępne są pod adresem: ; -

Digitalizacja:

Instytut Badań Systemowych Polskiej Akademii Nauk

Lokalizacja oryginału:

Biblioteka Instytutu Badań Systemowych PAN

Dofinansowane ze środków:

Program Operacyjny Polska Cyfrowa, lata 2014-2020, Działanie 2.3 : Cyfrowa dostępność i użyteczność sektora publicznego; środki z Europejskiego Funduszu Rozwoju Regionalnego oraz współfinansowania krajowego z budżetu państwa

Dostęp:

Otwarty