Search of optimal size of data sample for the problem of diabetes treatment monitoring

• Autorzy: Savchenko I. , Wójcik W.

Warianty tytułu

PL

Poszukiwanie optymalnego rozmiaru próbki w zagadnieniu monitorowania cukrzycy

• Języki publikacji: EN

Abstrakty

EN

The practical problems solution shows that it is not always: the more source information is taken into account in the model the more precisely the result of modeling is. There is an optimal sample size for each specific problem of modeling. Such optimal format of data sample can be called its nucleus. The optimal size can be chosen by sorting of the available data formats with different steps and to choose the best one for certain criterion. Thus samples of different formats can be generated and forecasting models can be built for each sample. In this paper combinatorial GMDH algorithm with model selection after-determination by criterion of error bias is used for models' development [1, 2]. We consider selection of the optimal sample size in the problem of forecasting for glucose level in the blood when treating diabetes at home [3].

PL

Praktyczne rozwiązanie problemów pokazuje, że nie zawsze: więcej informacji źródłowych uwzględnianych w modelu, pozwala na osiągnięcie dokładniejszego wyniku modelowania. Istnieje optymalna wielkość próby dla każdego konkretnego problemu modelowania. Taki optymalny format próbki danych może być nazywany jej jądrem. Optymalna wielkość może być wybrana przez sortowanie dostępnych formatów danych z różnych etapów oraz wybór najlepszego dla określonego kryterium. W ten sposób mogą być generowane próbki o różnych formatach oraz dla każdej z tych próbek mogą być tworzone modele prognostyczne. W niniejszym opracowaniu do tworzenia modeli wykorzystano, kombinacyjny algorytm GMDH z wyborem modelu w oparciu o wtórne określanie na podstawie kryterium błędu progowego [1, 2]. Wybór optymalnej wielkości próby rozważany jest na przykładzie problem prognozowania poziomu glukozy we krwi, podczas leczenia cukrzycy w domu [3].

Słowa kluczowe

EN

optimal sample size; combinatorial GMDH algorithm; error bias criterion; home treating diabetes

PL

optymalna wielkość próby; kombinacyjny algorytm GMDH; kryterium progu błędu; leczenie diabetologiczne w domu

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2013
• Tom: Vol. 54, nr 8
• Strony: 25--27
• Opis fizyczny: Bibliogr. 8 poz., tab.

Twórcy

autor

Savchenko I.

• Senior Sccientist of Departament Information Technologies of lnductive Modeling, Ukraine

autor

Wójcik W.

• Lublin University of Technology, Lublin, Polska

Bibliografia

• [1] Ivakhnenko A. G., Savchenko E. A., Ivakhnenko G. A. Pattern Recognition and Prediction of Random Processes by the GMDH Combinatorial Algorithm with Extension According to Model Bias, Pattern Recognition and Image Analysis, V. 14, Nº 3, 2004, 349-360.
• [2] Ivakhnenko A. G., Savchenko E. A., Investigation of Efficiency of Additional Determination Method of the Model Selection in the Modeling Problems by Application of the GMDH Algorithm, Journal of Automation and Information Sciences. Begell House., Inc. Publishers 40, Nº 3/2008, 47-58.
• [3] Ивахненко А. Г., Савченко E. A., Индуктивное моделирование в задаче мониторинга лечения диабета, Праці міжнародного семінару з індуктивного моделювання: МСІМ-2005, Київ, 11-14 липня 2005. - Київ: МННЦ ІТС, 2005, 136-139.
• [4] Muller J. A., Lemke F., Self-Organizing Data Mining. Extracting Knowledge From Data. Libri/BoD, Hamburg. 2000.
• [5] Ивахненко А. Г., Степашко В. С., Помехоустойчивость моделиро-вания. Киев: Наук, думка, 1985.
• [6] Бир Ст., Кибернетика и управление производством. Наука, 1965.
• [7] Ивахненко А. Г., и др., Объективный выбор оптимальной кластеризации выборки данных при компенсации неробастных помех, Автоматика. №3, 1993, 46-58.
• [8] Ivakhnenko A. G. et al., Self-Organization of Optimum Physical Clustering of Data Sample for a Weakened Description and Forecasting of Fuzzy Objects, Pattern Recognition and Image Analysis. V. З, № 4, 1993, 415-422.