IMPROVING CLASSIFICATION ACCURACY THROUGH NEURAL NETWORKS’ FEATURE EXTRACTION
Michał Trzęsiok · Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu · 2018
Streszczenie: Wybór metody jest elementem decydującym o pomyślności procesu modelowania, choć jakość i dobór informacji wykorzystanych przy budowie modelu automatycznego uczenia się wydają się co najmniej tak samo ważne.Mimo zautomatyzowanego mechanizmu uczenia nie wystarczy do zbioru uczącego wrzucenie wszystkich danych, jakimi dysponujemy.Konieczne jest dostarczenie informacji istotnych.Jedną z możliwości jest dobór zmiennych do modelu.Inną jest ich przekształcanie.W artykule przedstawiono procedurę łączącą te dwa podejścia -wyodrębnianie zmiennych z wielowarstwowych sieci neuronowych jako metodę doboru zmiennych do modeli budowanych innymi metodami wielowymiarowej analizy statystycznej.Celem artykułu jest zbadanie, jak takie podejście wpływa na zdolności predykcyjne modeli.Pokazano, że technikę tę należy traktować jako jedną z metod wstępnego przetwarzania danych, którą warto wypróbować, bo może prowadzić do polepszenia zdolności predykcyjnych modelu końcowego, choć tego nie gwarantuje. Słowa kluczowe: