|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ФИЦ ПХФ и МХ РАН |
||
Solution Methods for Classification Problems with Categorical Attributesстатья
Информация о цитировании статьи получена из
Scopus
Статья опубликована в журнале из списка Web of Science и/или Scopus
Дата последнего поиска статьи во внешних источниках: 22 ноября 2015 г.
- Автор: D’yakonov A.G.
- Журнал: Computational Mathematics and Modeling
- Том: 26
- Номер: 3
- Год издания: 2015
- Издательство: Consultants Bureau
- Местоположение издательства: United States
- Первая страница: 408
- Последняя страница: 428
- DOI: 10.1007/s10598-015-9281-2
- Аннотация: The article considers various methods for classification of a set of objects into two classes when all the attributes are categorical (nominal or factor attributes), i.e., describe the membership of an object in a category. Some methods are a simple generalization of classical methods (Bayesian algorithms, singular decomposition methods), others are fundamentally novel. An efficient technique is proposed for encoding categorical attributes by real numbers, which makes it possible to apply classical machine-learning methods (e.g., the random forest). A generalization of the k nearest neighbors (kNN) algorithm and Zhuravlev’s estimate calculation algorithm (AEC) achieve best performance on real-life data. All methods have been tested on an applied problem involving construction of a recommender system for a security service.
- Добавил в систему: Дьяконов Александр Геннадьевич