Podejście wielomodelowe (agregacja modeli) jest z powodzeniem stosowane w dyskryminacji celem poprawy dokładności predykcji. Ostatnie badania pokazały jednak, że agregacja może być także wykorzystana w taksonomii celem uzyskania poprawniejszej i bardziej stabilnej klasyfikacji obiektów (Fred, Jain, 2005; Kuncheva et al., 2006). Co więcej, podejście takie zmniejsza ryzyko uzyskania błędnej klasyfikacji poprzez niewłaściwy wybór algorytmu. Ma to o tyle znaczenie, że w analizie dyskryminacyjnej poprzez pomiar błędu klasyfikacji istnieje możliwość oceny wybranej metody, natomiast możliwości takiej już nie ma w taksonomii.

Celem referatu jest pokazanie możliwości zastosowania jednej z najpopularniejszych metod agregacji, jaką jest metoda losowania bootstrapowego (ang. bagging, Breiman, 1996) w taksonomii. Pokazane zostaną także wyniki badań empirycznych mających na celu porównanie zgodności wyników klasyfikacji z istniejącą strukturą klas na podstawie klasycznych i zagregowanych algorytmów taksonomicznych. Obliczenia wykonane zostaną z zastosowaniem programu R.

Literatura:

Breiman L., Bagging predictors, Machine Learning, 26(2), 123-140, 1996.

Fred N. L., Jain A. K., Combining multiple clusterings using evidence accumulation, IEEE Transactions on PAMI, 27(6): 835–850, 2005.

Kuncheva L. I., Hadjitodorov S. T., Todorova L. P., Experimental comparison of cluster ensemble methods, Proc FUSION 2006, Florence, Italy, 2006.

• Legal notice:
  

  Copyright (c) Pielaszek Research, all rights reserved.
  The above materials, including auxiliary resources, are subject to Publisher's copyright and the Author(s) intellectual rights. Without limiting Author(s) rights under respective Copyright Transfer Agreement, no part of the above documents may be reproduced without the express written permission of Pielaszek Research, the Publisher. Express permission from the Author(s) is required to use the above materials for academic purposes, such as lectures or scientific presentations.
  In every case, proper references including Author(s) name(s) and URL of this webpage: https://science24.com/paper/10652 must be provided.