Počet záznamů: 1
Influence of Metric on Classification Error of Distance-Based Classifiers
- 1.
SYSNO ASEP 0436236 Druh ASEP V - Výzkumná zpráva Zařazení RIV Záznam nebyl označen do RIV Název Influence of Metric on Classification Error of Distance-Based Classifiers Tvůrce(i) Jiřina, Marcel (UIVT-O) SAI, RID Vyd. údaje Prague: ICS AS CR, 2014 Edice Technical Report Č. sv. edice V-1211 Poč.str. 25 s. Jazyk dok. eng - angličtina Země vyd. CZ - Česká republika Klíč. slova multidimensional data ; classifier ; distance ; metrics ; Hassanat metrics ; k-NN ; IINC Vědní obor RIV BB - Aplikovaná statistika, operační výzkum Institucionální podpora UIVT-O - RVO:67985807 Anotace Five types of classifiers that use sample distances for class estimation of an unknown sample was tested. Each classifier was tested with fifteen different metrics on 24 classification tasks from the UCI Machine Learning Repository. The metrics were compared and the best of them was found for each classifier. Surprisingly, the best metrics for all five types of classifiers is the Hassanat metrics. Classifiers were also compared and ranked according to their classification ability. Wilcoxon Test and Friedman Aligned test were used for statistical evaluation. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2015
Počet záznamů: 1