Modellauswahl unter Stichprobenunsicherheit unter Verwendung von Fuzzy-Zahlen
Eine hybride Methode
Versandkostenfrei!
Versandfertig in 6-10 Tagen
37,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Die Modellauswahl ist eine der grundlegenden Aufgaben der wissenschaftlichen Forschung. Die am weitesten verbreiteten Methoden wie die ROC-Analyse berücksichtigen die Stichprobenunsicherheit nicht. Um die Robustheit der Modellauswahl zu verbessern, entwickelte der Autor eine Modellauswahlmethode, die die Stichprobenunsicherheit berücksichtigen kann. Sie erfasste die Stichprobenunsicherheit mithilfe der Bootstrap-Technik und quantifizierte die Stichprobenunsicherheit durch Einführung von Fuzzy-Zahlen. In dem Buch wandte der Autor das Modellauswahlsystem in Bezug auf binäre Klassifikationen ...
Die Modellauswahl ist eine der grundlegenden Aufgaben der wissenschaftlichen Forschung. Die am weitesten verbreiteten Methoden wie die ROC-Analyse berücksichtigen die Stichprobenunsicherheit nicht. Um die Robustheit der Modellauswahl zu verbessern, entwickelte der Autor eine Modellauswahlmethode, die die Stichprobenunsicherheit berücksichtigen kann. Sie erfasste die Stichprobenunsicherheit mithilfe der Bootstrap-Technik und quantifizierte die Stichprobenunsicherheit durch Einführung von Fuzzy-Zahlen. In dem Buch wandte der Autor das Modellauswahlsystem in Bezug auf binäre Klassifikationen auf eine Vielzahl realer Datenbanken an. Unter den getesteten Datensätzen entspricht die Methode der traditionellen ROC-Analyse, während sie die Fuzzy-Darstellung von ROC-Kurven ermöglicht, auf deren Grundlage nicht nur die Vorhersagegenauigkeit, sondern auch der Grad der Stichprobenunsicherheit berücksichtigt werden kann. Darüber hinaus entwickelte der Autor ein Computer-Tool, das das System implementiert und die mühsamen Verfahren bei der Modellauswahl vereinfacht.
Andere Kunden interessierten sich für
