RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Locally Induced Predictive Models
Högskolan i Borås, Institutionen Handels- och IT-högskolan.ORCID-id: 0000-0003-0412-6199
Högskolan i Borås, Institutionen Handels- och IT-högskolan.ORCID-id: 0000-0003-0274-9026
Högskolan i Borås, Institutionen Handels- och IT-högskolan.
2011 (Engelska)Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Most predictive modeling techniques utilize all available data to build global models. This is despite the wellknown fact that for many problems, the targeted relationship varies greatly over the input space, thus suggesting that localized models may improve predictive performance. In this paper, we suggest and evaluate a technique inducing one predictive model for each test instance, using only neighboring instances. In the experimentation, several different variations of the suggested algorithm producing localized decision trees and neural network models are evaluated on 30 UCI data sets. The main result is that the suggested approach generally yields better predictive performance than global models built using all available training data. As a matter of fact, all techniques producing J48 trees obtained significantly higher accuracy and AUC, compared to the global J48 model. For RBF network models, with their inherent ability to use localized information, the suggested approach was only successful with regard to accuracy, while global RBF models had a better ranking ability, as seen by their generally higher AUCs.

Ort, förlag, år, upplaga, sidor
IEEE, 2011.
Nyckelord [en]
local learning, predictive modeling, decision trees, rbf networks, Machine Learning
Nyckelord [sv]
Data Mining
Nationell ämneskategori
Datavetenskap (datalogi) Data- och informationsvetenskap
Forskningsämne
Handel och IT
Identifikatorer
URN: urn:nbn:se:hj:diva-45799DOI: 10.1109/ICSMC.2011.6083922Lokalt ID: 0;0;miljJAILISBN: 978-1-4577-0651-6 (tryckt)OAI: oai:DiVA.org:hj-45799DiVA, id: diva2:1348947
Konferens
IEEE International Conference on Systems, Man, and Cybernetics
Tillgänglig från: 2019-09-06 Skapad: 2019-09-06 Senast uppdaterad: 2019-09-06Bibliografiskt granskad

Open Access i DiVA

fulltext(327 kB)89 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 327 kBChecksumma SHA-512
5148002a32c075eb7c1a558cf7f872fade6930018e2b91fcca1e0816d65a833826f98960a27f42611e197cfd16c93301d146087bccc6d930069777c3593ced9b
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Personposter BETA

Johansson, UlfLöfström, TuveSönströd, Cecilia

Sök vidare i DiVA

Av författaren/redaktören
Johansson, UlfLöfström, TuveSönströd, Cecilia
Datavetenskap (datalogi)Data- och informationsvetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 89 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 129 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf