Problemy metodologiczne klasyfikacji i przewidywania na rynku żywnościowym
Języki publikacji
EN
Abstrakty
EN
In the paper there is demonstrated the impact of the selection of training sample on misclassification error for the case of a real database describing the food market. The methodological background is a decision tree algorithm as it is applied with different rules and parameters (e.g. varying stopping rules and sample sizes). The goodness of the model fit is analysed.
PL
Celem artykułu było omówienie znaczenia zmiennych w metodzie drzewa decyzyjnego, a także znaczenie drzewa decyzjnego w tworzeniu modeli rynku rolnego. Uwzględniono takie znaczenie różnego typu błędów i ich wpływu na wyniki modelu.
Szent Istvan University, Pater K.u.1., H-2103 Godollo, Hungary
Bibliografia
Breiman L., Friedman J., Olshen R., Stone C. 1984: Classification and regression trees. Chapman & Hall, New York.
Kurt I., Ture M., Kurum A.T. 2008: Comparing performances of logistic regression, classification and regression tree, and neural networks for predicting coronary artery disease. Expert System with application, no 34, 366-374.
Ngai E.W.T., Li Xiu D.C. 2008: Application of data mining techniques in customer relationship management: A literature review and classification. Expert Systems with Applications, article in press.
Therneau T. M., Atkinson E.J., Foundation M. 1997: An Introduction to Recursive Partitioning Using the RPART Routines, [http://www.mayo.edu/hsr/techrpt/61.pdf].
Wezel M., Potharst R. 2007: Improved customer choice predictions using ensemble methods. European Journal of Operational Research, no 181, 436-452.