СибНСХБ

Вид поиска

Область поиска

Найдено в других БД

Формат представления найденных документов:
библиографическое описание	краткий	полный

Отсортировать найденные документы по:
автору	заглавию	году издания	типу документа

Поисковый запрос: (<.>S=ПРОСТРАНСТВА ВЫСОКОЙ РАЗМЕРНОСТИ<.>)

Общее количество найденных документов : 2
Показаны документы с 1 по 2

РЖ ВИНИТИ 34 (BI38) 09.08-04А3.868

Schulerud, Helene.
Many are called, but few are chosen. Feature selection and error estimation in high dimensional spaces [Text] / Helene Schulerud, Fritz Albregtsen // Comput. Meth. and Programs Biomed. - 2004. - Vol. 73, N 2. - P91-99
Перевод заглавия: Много позванных, но мало избранных. Выбор признаков и оценка ошибок в пространствах высокой размерности
Аннотация: Рассмотрена задача выбора признаков и оценки ошибки в ситуациях, когда число возможных кандидатов велико, а объем обучающей выборки ограничен. Приведены результаты проведенного имитационного моделирования по методу Монте-Карло со ступенчатыми функциями выбора и дискриминантным анализом. Изучалась роль отношения числа обучающих образцов к числу кандидатов. Показано, что оно зависит от расстояния между классами в метрике Махаланобиса. Проведены также анализ метода отбрасывания по одному в оценке ошибки и оценка смещения

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.15.09.99
Рубрики: ОБРАБОТКА ДАННЫХ
ПРОСТРАНСТВА ВЫСОКОЙ РАЗМЕРНОСТИ
ВЫБОР ПРИЗНАКОВ
ОЦЕНКА ОШИБКИ
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ
ДИСКРИМИНАНТНЫЙ АНАЛИЗ

Доп.точки доступа:
Albregtsen, Fritz

РЖ ВИНИТИ 34 (BI38) 11.03-04А3.711

Stute, W.
Model diagnosis for parametric regression in high-dimensional spaces [Text] / W. Stute, W. L. Xu, L. X. Zhu // Biometrika. - 2008. - Vol. 95, N 2. - P451-467 . - ISSN 0006-3444
Перевод заглавия: Диагностика моделей параметрической регрессии в пространствах высокой размерности
Аннотация: Исследуются инструменты проверки правильности параметрической модели регрессии. При высокой размерности регрессоров многие из существующих критериев наталкиваются на проблему размерности или требуют некоторого упорядочивания данных. Предложены критерии, основанные на остаточном эмпирическом процессе, маркированном соответствующими функциями регрессоров. Рассматриваются параметрические и непараметрические альтернативы. В последнем случае при соответствующем разложении главных компонент получены гладкие критерии, которые асимптотически свободны от распределения при нулевой модели. Новые критерии принимают во внимание точную геометрию модели. Для иллюстрации предложенного подхода проведены имитационные эксперименты и дано приложение к реальным данным. Германия, Mathematical Institute, University of Giessen, D-35392. Ил. 3. Библ. 16

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.09
Рубрики: БИОМЕТРИЯ
ПРОВЕРКА ГИПОТЕЗ
ПРАВИЛЬНОСТЬ МОДЕЛИ
РЕГРЕССИОННЫЙ АНАЛИЗ
ПРОСТРАНСТВА ВЫСОКОЙ РАЗМЕРНОСТИ

Доп.точки доступа:
Xu, W.L.; Zhu, L.X.

"Электронные каталоги и базы данных библиотек СО РАН"

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)

rtvarBDview(" результаты поиска","20190607010228","4682442");

Вид поиска