Počet záznamů: 1
Optimally Trained Regression Trees and Occam's Razor
- 1.
SYSNO ASEP 0404694 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Optimally Trained Regression Trees and Occam's Razor Tvůrce(i) Savický, Petr (UIVT-O) SAI, RID, ORCID
Klaschka, Jan (UIVT-O) RID, SAI, ORCIDZdroj.dok. COMPSTAT 2002. Proceedings in Computational Statistics / Härdle W. ; Rönz B.. - Heidelberg : PhysicaVerlag, 2002 - ISBN 3-7908-1517-9 Rozsah stran s. 479-484 Poč.str. 6 s. Akce COMPSTAT 2002 Datum konání 24.08.2002-28.08.2002 Místo konání Berlin Země DE - Německo Typ akce WRD Jazyk dok. eng - angličtina Země vyd. DE - Německo Klíč. slova regression trees ; recursive partitioning ; optimization ; dynamic programming ; bottom-up algorithms ; generalization ; Occam's razor Vědní obor RIV BA - Obecná matematika CEP GA201/00/1482 GA ČR - Grantová agentura ČR CEZ 1030915 UT WOS 000179942900073 Anotace Two bottom-up algorithms growing regression trees with the minimum mean squared error on the training data given the number of leaves are described. As demonstraded by the results of experiments with simulated data, the trees resulting from the optimization algorithms may have not only better, but also worse generalization properties than the trees grown by traiditional methods. This phenomenon is discussed from the point of view of the Occam's razor principle. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2003
Počet záznamů: 1