Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 7

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  dobór zmiennych
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
Traffic crash fatalities and serious injuries still represent a big burden for most Arab countries because the actual policies, strategies, and interventions are based on poorly collected data. Through this paper, we assessed the crash data reporting systems in Fourteen Arab countries via a survey conducted to identify the fundamental dysfunctions at the management and data collection levels. Then, to address some of the dataset problems, we had applied data mining technics to select a minimum of variables (crash, vehicle, and road user) that should be collected for a better understanding of crash circumstances. For this raison, three methods of selection (correlation, information gain, and gain ratio) and seven classifiers (naive Bayes, nearest neighbour, random forest, random tree, J48, reduced error pruning tree, and bagging) were tested and compared to identify the variables that affect significantly the crashes severity. Decision trees family of classifiers showed the best performance based on the analysis of the area under the curve. The explanatory variables obtained from the data mining process were combined with other descriptive variables to maintain traceability. As a result, we produced hybrid lists of variables for the crash, vehicle, and road user, each contains 25 variables. Finally, in order to propose a cost-effective solution to switch from manual to electronic data collection, we got inspired by a tool used to track animals to create and customize a unified e-form for handheld devices, in order to ensure easy entering of the harmonized data for the entire region based on our selected lists of variables. The tool verified the countries requirements especially by enabling data collection and transfer with and without the internet, and by allowing data analysis thought its built-in Geographic Information System (GIS) capabilities.
PL
Tematem artykułu jest dobór zmiennych niezależnych w modelowaniu procesów logistycznych metodą analizy grafów. Celem głównym jest teoretyczna i empiryczna analiza możliwości stosowania metody analizy grafów do doboru zmiennych niezależnych w modelach ekonometrycznych. Problem badawczy natomiast obejmował swym zasięgiem także poszukiwanie rozwiązań dotyczących uzyskania właściwych kryteriów wyboru zmiennych niezależnych spośród zmiennych kandydujących, przy wykorzystaniu właściwie stawianych i weryfikowanych hipotez zerowych. Niewątpliwym osiągnięciem zastosowania metody analizy grafów jest możliwość uzyskania macierzy współczynników korelacji liniowej Pearsona, które obrazują powiązania między poszczególnymi zmiennymi oraz pozwalają na ich podstawie wyeliminować te zmienne kandydujące, które nie są statystycznie istotne dla badanego procesu logistycznego.
EN
The theme of the article is the selection of independent variables in the modelling of logistic processes using the analysis graphs method. The main objective is theoretical and empirical analysis of the applicability of the analysis graphs method for the selection of independent variables in econometric models. The research included seeking solutions for obtaining the appropriate criteria for the selection of independent variables of the variables candidate, using properly posed and verified hypotheses. The unquestionable achievement of the analysis graphs method is rendering it possible to obtain a matrix of correlation Pearson coefficients which illustrate the relationships between the candidate variables and allow these variables to be eliminated, which is not statistically significant for the test of the logistics process.
PL
Współczesne organizacje, aby być konkurencyjne, muszą mieć umiejętności przetworzenia olbrzymich danych. Jednym z najbardziej obiecujących kierunków w tym zakresie jest wykorzystanie analityki predykcyjnej, opierającej się na algorytmach i modelach uczenia maszynowego. Związanych z tym jest wciąż wiele wyzwań, m.in. pytanie o „wejście” do takich modeli, czy powinny to być wszystkie dane zgromadzone przez organizację czy może raczej wcześniej wybrane zmienne? Celem artykułu jest zbadanie skuteczności algorytmów opartych na drzewach klasyfikacyjnych ze względu na liczebność predyktorów.
EN
To stay competitive contemporary organizations have to master in processing massive amount of data. Predictive analytics, that is analytics based on machine learning algorithms and models, is one of the most promising directions. But there are many issues involved. One of them is the input to such models: should it be all data gathered by organization or just the selected variables? The aim of the article is to check how the number of predictors influences accuracy of classification algorithms based on trees.
PL
W tekście przedstawiono przegląd metod prognozowania krótkoterminowego generacji mocy oraz produkcji energii elektrycznej przez system fotowoltaiczny z zastosowaniem sztucznych sieci neuronowych. Przedstawiono zbiorczy zestaw potencjalnych zmiennych objaśniających do modeli prognostycznych. Wykonano przykładowe prognozy oraz sformułowano wnioski końcowe.
EN
The paper presents the comprehensive review of short-term power and electric energy forecasting methods of photovoltaic systems using artificial neural networks. The collective set of potential explaining variables for predictive models have been showed. Examples of predictions have been executed and the final conclusions have been presented.
PL
W tekście przedstawiono obszerną analizę różnych metod doboru zmiennych do modeli prognozowania ultrakrótkoterminowego produkcji energii przez system fotowoltaiczny, a w szczególności wpływu tych metod na jakość prognoz. Sformułowano wnioski końcowe z przeprowadzonych analiz i prognoz.
EN
The paper presents comprehensive analysis of input variables selection for chosen prediction models in ultra short-term electric energy production forecasting for photovoltaic systems, especially influence of input variables selection methods on quality of prediction models. The obtained results have been discussed and the final conclusions have been presented.
6
Content available remote Dobór zmiennych wejściowych w modelu prognoz długoterminowych funkcją Q
PL
W artykule opisano metodę doboru wejść do modelu predykcyjnego korzystającego z rozkładu kanonicznego wektora losowego, nazywanego w skrócie modelem MRK. Model ten wymaga ustalenia kolejności wejść dla zmiennych objaśniających. W artykule opisano istotę zastosowania do tego celu funkcji Q. Przedstawiona metoda doboru wejść daje dobre rezultaty także w przypadku prognoz krótkoterminowych obciążeń elektroenergetycznych systemie krajowym.
EN
The article describes a method of input selection to the forecasting model availing of a random distribution of canonical vector, called briefly the MRK model. This model requires the ordering of input entries for explanatory variables. The article describes the essence of the application for that purpose the function Q. The method of input selection gives good results also in the case of short-term load forecasts in the national electricity system.
7
Content available remote Stosunki korelacyjne w metodach doboru zmiennych
PL
Artykuł przedstawia wyniki jakie otrzymano poprzez zastosowanie stosunków korelacyjnych w procedurze doboru zmiennych. Zostały one zinterpretowane i porównane z wynikami uzyskanymi dla liniowych współczynników korelacji. W artykule zaproponowano sposób określania wymiarów macierzy korelacyjnej, w oparciu o kryterium optymalnego dostosowania współczynnika korelacji liniowej Pearsona.
EN
This article presents results which were obtained by applying the correlation ratio in a procedure of variables selection. The results are interpreted and compared with those, which were obtained by applying the coefficients of linear correlation. A procedure is presented, which allows to establish the correlation matrix dimensions using the criterion of optimum adjustment of the Pearson coefficient of linear correlation.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.