The influence of irrelevant variables on classification error in rules induction

dc.contributor.author	Kubus, Mariusz
dc.date.accessioned	2012-06-05T08:26:39Z
dc.date.available	2012-06-05T08:26:39Z
dc.date.issued	2011
dc.identifier.issn	0208-6018
dc.identifier.uri	http://hdl.handle.net/11089/696
dc.description.abstract	Typowym zadaniem data mining jest wykrycie niespodziewanych i systematycznych relacji w danych, gdy nie ma wcześniejszych oczekiwań co do natury tych relacji. W dużych zbiorach, które nie były zgromadzone w celu prowadzonej przez badacza analizy, zwykle występuje wiele zmiennych nieistotnych, co może obniżyć jakość modelu dyskryminacyjnego. W takich sytuacjach stosowane są metody selekcji zmiennych. W nieparametrycznych i adaptacyjnych metodach dyskryminacji (drzewa klasyfikacyjne, indukcja reguł) selekcja zmiennych jest częścią algorytmu uczącego. Za pomocą symulacji badany jest wpływ zmiennych nieistotnych na błąd klasyfikacji w tych metodach.	pl_PL
dc.language.iso	en	pl_PL
dc.publisher	Wydawnictwo Uniwersytetu Łódzkiego	pl_PL
dc.relation.ispartofseries	Acta Universitatis Lodziensis, Folia Oeconomica;
dc.subject	irrelevant variables	pl_PL
dc.subject	discrimination	pl_PL
dc.subject	adaptive methods	pl_PL
dc.subject	rules induction	pl_PL
dc.title	The influence of irrelevant variables on classification error in rules induction	pl_PL
dc.type	Article	pl_PL
dc.page.number	167-173
dc.contributor.authorAffiliation	Politechnika Opolska; Wydział Inżynierii Produkcji i Logistyki; Instytut Matematyki i Fizyki