Tytuł artykułu
Autorzy
Identyfikatory
Warianty tytułu
Języki publikacji
Abstrakty
W artykule zostało przedstawione modelowanie predykcyjne na przykładzie równoległej hybrydy regresyjnej. Przeprowadzone obliczenia jednoznacznie potwierdzają uniwersalność w wykorzystaniu rozwiazań hybrydowych i wskazują na synergie powstającą przy umiejętnym połączeniu ze soba kilku metod. Oczywiście nie wszystkie połączone modele umożliwiają uzyskanie dobrych wyników. Dobór metod do hybrydy powinien z jednej strony brać pod uwagę różnorodność metod, z drugiej strony również poprawność uzyskiwanych wyników przez pojedyncze metody. Wybór metod składowych o skrajnie słabej efektywności i wydajności może wpłynąć na wyniki uzyskiwane przez samą hybrydę. Nie ma niestety gotowych rozwiazań, w takich wypadkach należy kierować się intuicją i doświadczeniem oraz wynikami eksperymentów przygotowawczych. W przyszłości autor planuje opracować i wdrożyć hybrydę w pełni zintegrowaną, która w inteligentny sposób będzie współdzielić struktury danych i reprezentowaną wiedzę. Zastosowanie takiego modelu hybrydowego na pewno wpłynie na wysoki ostateczny wynik tego rozwiązania.
The article presents functioning of many methods at the same time as a Parallel Regression Hybrid. An intention of this hybrid application in prediction modeling is using strengths of applied methods and exclusion of weaknesses. Described Parallel Regression Hybrid was applied for prediction of wine taste.
Czasopismo
Rocznik
Tom
Strony
137--142
Opis fizyczny
Bibliogr. 5 poz., rys., tab.
Twórcy
autor
- Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Informatyki
Bibliografia
- [1] Cortez P. et al., Modeling wine preferences by data mining from physicochemical properties, In Decision Support Systems, Elsevier 2009, pp. 547-553.
- [2] Engell S., Frehse G., Schnieder E. (Eds.), Modeling, Analysis, and Design of Hybrid Systems, Springer, Berlin 2002.
- [3] Kargupta H. et al., Next Generation of Data Mining, CRC Press, 2008.
- [4] Shawkat Ali ABM, Xiang Y., Dynamic and Advanced Data Mining for Progressing Technological Development: Innovations and Systemic Approaches, Hershey, New York 2010.
- [5] Źródło internetowe: http://archive.ics.uci.edu/ml/datasets/Wine+Quality.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BPS3-0017-0080