Stacked regression with a generalization of the Moore-Penrose pseudoinverse
PBN-AR
Instytucja
Wydział Matematyki i Informatyki (Uniwersytet im. Adama Mickiewicza w Poznaniu)
Informacje podstawowe
Główny język publikacji
en
Czasopismo
STATISTICS IN TRANSITION (15pkt w roku publikacji)
ISSN
1234-7655
EISSN
2450-0291
Wydawca
Główny Urząd Statystyczny - Zakład Wydawnictw Statystycznych
DOI
Rok publikacji
2017
Numer zeszytu
3
Strony od-do
443-458
Numer tomu
18
Identyfikator DOI
Liczba arkuszy
1.00
Autorzy
Słowa kluczowe
en
stacked regression
genetic algorithm
Moore-Penrose pseudoinverse
Streszczenia
Język
en
Treść
In practice, it often happens that there are a number of classification methods. We are not able to clearly determine which method is optimal. We propose a combined method that allows us to consolidate information from multiple sources in a better classifier. Stacked regression (SR) is a method for forming linear combinations of different classifiers to give improved classification accuracy. The Moore-Penrose (MP) pseudoinverse is a general way to find the solution to a system of linear equations. This paper presents the use of a generalization of the MP pseudoinverse of a matrix in SR. However, for data sets with a greater number of features our exact method is computationally too slow to achieve good results: we propose a genetic approach to solve the problem. Experimental results on various real data sets demonstrate that the improvements are efficient and that this approach outperforms the classical SR method, providing a significant reduction in the mean classification error rate.
Cechy publikacji
Ekonomia
Matematyka
Economics
Mathematics
discipline:Informatyka – dziedzina nauk technicznych
discipline:Computer science – field of technical sciences
Original article
Original article presents the results of original research or experiment.
Oryginalny artykuł naukowy
Oryginalny artykuł naukowy przedstawia rezultaty oryginalnych badań naukowych lub eksperymentu.
Inne
System-identifier
PBN-R:837329
CrossrefMetadata from Crossref logo
Cytowania
Liczba prac cytujących tę pracę
Brak danych
Referencje
Liczba prac cytowanych przez tę pracę
Brak danych