Главная » Просмотр файлов » Диссертация

Диссертация (1137066), страница 14

Файл №1137066 Диссертация (Рандомизированные алгоритмы на основе интервальных узорных структур) 14 страницаДиссертация (1137066) страница 142019-05-20СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 14)

2013, vol. 8251 of Lecture Notes in Computer Science, pp. 30–39, Springer.[54] Thomas L., Edelman D., Crook J. (2002) Credit Scoring and Its Applications,Monographs on Mathematical Modeling and Computation, SIAM: Pliladelphia,pp. 107–117[55] Bigss, D., Ville, B., and Suen, E.

(1991). A Method of Choosing MultiwayPartitions for Classification and Decision Trees. Journal of Applied Statistics,18, 1, 49-62.[56] Naeem Siddiqi, Credit Risk Scorecards: Developing and Implementing Intelligent Credit Scoring, WILEY,ISBN: 978-0-471-75451-0, 2005[57] B Baesens, T Van Gestel, S Viaene, M Stepanova, J Suykens, Benchmarkingstate-of-the-art classification algorithms for credit scoring, Journal of the Operational Research Society 54 (6), 627-635, 200381[58] Ghodselahi A., A Hybrid Support Vector Machine Ensemble Model for CreditScoring, International Journal of Computer Applications (0975 – 8887), Volume17– No.5, March 2011[59] Yu, L., Wang, S. and Lai, K. K.

2009. An intelligent agent-based fuzzy groupdecision making model for financial multicriteria decision support: the case ofcredit scoring. European journal of operational research. vol. 195. pp.942-959.[60] Gestel, T. V., Baesens, B., Suykens, J. A., Van den Poel, D., Baestaens, D.-E.and Willekens, B. 2006. Bayesian kernel based classification for financial distressdetection. European journal of operational research. vol. 172. pp. 979-1003.[61] P.

Ravi Kumar and V. Ravi, “Bankruptcy Prediction in Banks and Firms via Statistical and Intelligent Techniques-A Review,” European Journal of OperationalResearch, Vol. 180, No. 1, 2007, pp. 1-28.[62] Sergei O. Kuznetsov and Mikhail V. Samokhin, “Learning closed sets of labeled graphs for chemical applications.,” in ILP, Stefan Kramer and BernhardPfahringer, Eds. 2005, vol. 3625 of Lecture Notes in Computer Science, pp. 190–208, Springer[63] SAS Institute Inc. (2012), Developing Credit Scorecards Using Credit ScoringR Enterprise MinerTM 12.1, Cary, NC: SAS Institute Inc.for SAS[64] Hocking, R. R.

(1976) "The Analysis and Selection of Variables in Linear Regression," Biometrics, 32.[65] Mehdi Kaytoue, Sergei O. Kuznetsov, Amedeo Napoli, and Sebastien Duplessis, “Mining gene expression data with pattern structures in formal conceptanalysis,” Information Sciences, vol. 181, no. 10, pp.

1989–2001, 2011.[66] Veloso, A. & Jr., W. M. (2011), Demand-Driven Associative Classification.,Springer.82[67] Bigss, D., Ville, B., and Suen, E. A Method of Choosing Multiway Partitionsfor Classification and Decision Trees. Journal of Applied Statistics, 18, 1, 49-621991[68] Bonferroni, C. E. Teoria statistica delle classi e calcolo delle probabilità – Pubblicazioni del R Istituto Superiore di Scienze Economiche e Commerciali diFirenze 8, pp.

3-62, 1936[69] Naeem Siddiqi, Credit Risk Scorecards: Developing and Implementing Intelligent Credit Scoring, WILEY,ISBN: 978-0-471-75451-0, 2005[70] Thomas, L. C., Edelman, D. B., Crook, J. N. Credit Scoring and Its Applications— Pliladelphia.: SIAM, 2002. 250 p.[71] B Baesens, T Van Gestel, S Viaene, M Stepanova, J Suykens, Benchmarkingstate-of-the-art classification algorithms for credit scoring, Journal of the Operational Research Society 54 (6), 627-635, 2003[72] Silvia, F., Cribari-Neto F. Beta Regression for Modelling Rates and Proportions// Journal of Applied Statistics.

2004. Vol. 31, Issue 7. p. 799–815.[73] Yu, L., Wang, S. and Lai, K. K. 2009. An intelligent agent-based fuzzy groupdecision making model for financial multicriteria decision support: the case ofcredit scoring. European journal of operational research. vol. 195. pp.942-959.[74] Gestel, T. V., Baesens, B., Suykens, J. A., Van den Poel, D., Baestaens, D.-E.and Willekens, B. 2006. Bayesian kernel based classification for financial distressdetection. European journal of operational research. vol. 172. pp.

979-1003.[75] P. Ravi Kumar and V. Ravi, “Bankruptcy Prediction in Banks and Firms via Statistical and Intelligent Techniques-A Review,” European Journal of OperationalResearch, Vol. 180, No. 1, 2007, pp. 1-28.[76] Ganter, B. and Wille, R. Formal Concept Analysis: Mathematical Foundations// Springer-Verlag New York, Inc. 1997.83[77] B. Ganter, and S. O. Kuznetsov. Pattern Structures and Their Projections, Conceptual Structures: Broadening the Base, Lecture Notes in Computer Science,Springer, Berlin/Heidelberg.

2001 Vol. 2120. p. 129–142.[78] Kuznetsov S.O. Scalable Knowledge Discovery in Complex Data with PatternStructures // PReMI, Lecture Notes in Computer Science, Springer. 2013 Vol.8251. p 30-39.[79] Grigoriev P., Sword-systems or JSM-systems for chains, using statistical considerations of STI. Series 2, 1996[80] Kuznetsov S.O. Fitting Pattern Structures to Knowledge Discovery in Big Data// Lecture Notes in Computer Science, Springer. 2013 Vol. 7880. p 254-266.[81] M.

Kaytoue, S. Duplessis, S. O. Kuznetsov, and A. Napoli. Mining Gene Expression Data with Pattern Structures in Formal Concept Analysis. // InformationSciences. Spec.Iss.: Lattices. 2011.[82] David W. Aha (Ed.). Lazy Learning. Kluwer Academic Publishers, Norwell,MA, USA. 1997.[83] X. Li and Y. Zhong. An Overview of Personal Credit Scoring: Techniques andFuture Work // International Journal of Intelligence Science. 2012 Vol. 2, Issue4A. p.

182–189.[84] Masyutin A., Kashnitsky Y., Kuznetsov S. O. Lazy Classification with IntervalPattern Structures: Application to Credit Scoring, in: Proceedings of the International Workshop "What can FCA do for Artificial Intelligence?" (FCA4AI atIJCAI 2015) / Ed.: Sergei O. Kuznetsov, A. Napoli, S. Rudolph. Buenos Aires :, 2015. P.

43-54.[85] Kaytoue, M., Kuznetsov S.O., Napoli,A.: Revisiting numerical pattern miningwith formal concept analysis. In: IJCAI, pp. 134201347 (2011).[86] https://www.investopedia.com/slide-show/top-bank-failures/84[87] http://www.banki.ru/news/lenta/?id=10257511[88] http://www.bbc.com/russian/news-42363290[89] https://www.bis.org/publ/bcbsca.htm85AppendixThe program code in R is provided for both continuous target prediction (QueryBased Regression Algorithm) and binary target prediction (Query Based Classification Algorithm) as for the prototype. It must be mentioned that for-loops are noteffective within R language and the following code serves as a working concept.The R language was chosen as soon as it is a vectorized language and, therefore,allows the reader quickly acquire understanding of algorithms discussed within thisthesis. If applying in real systems one is strongly recommended to use doParallel andfuture packages from CRAN or, better, different languages such as Java or C.The QBRA code is as follows:meet .

o p e r a t o r = f u n c t i o n ( x , y ) { # x and y a s . d a t a . f r a m e s w i t h named c o l u m n sr e s = d a t a . frame ( l b = 0 , ub = 0 , s t r i n g s A s F a c t o r s = FALSE ) [ − 1 , ]for ( i in 1: ncol ( x ) ) {r e s [ nrow ( r e s ) + 1 , ] = c ( min ( r b i n d ( x , y ) [ , i ] ) , max ( r b i n d ( x , y ) [ , i ] ) )}row . names ( r e s ) = names ( x )res}image .

f i n d = f u n c t i o n ( d e s c , d a t a ) { # d e s c a s p a t t e r n s t r u c t u r er e s = which ( d a t a [ , 1 ] >= d e s c [ 1 , " l b " ] & d a t a [ , 1 ] <= d e s c [ 1 , " ub " ] )f o r ( i i n 2 : nrow ( d e s c ) ) {r e s = i n t e r s e c t ( r e s , which ( d a t a [ , i ] >= d e s c [ i , " l b " ] & d a t a [ , i ] <= d e s c [ i , "ub " ] ) )}res}l a z y . e v a l u a t o r = f u n c t i o n ( v l , t r , # Datat a r g e t = " r r _ av " , v a r s = names ( t r ) [ names ( t r ) ! = t a r g e t ] , #Key f i e l d ss u b s a m p l e . s i z e = 0 .

0 1 , n . i t e r =1000 , a l p h a . t h r e s h o l d =0.01 ,a l l o w e d . d r o p o u t = 0 , c a p p e d = TRUE ,a c c o u n t . f o r . a n t i . s u p p o r t = TRUE , p e n a l i z e . f o r . h i g h .86d e v i a t i o n = TRUE # T u n i n g p a r a m e t e r s){n a i v e _ avg = mean ( t r [ [ t a r g e t ] ] )n a i v e _med = median ( t r [ [ t a r g e t ] ] )t 0 = Sys . t i m e ( )f o r ( k i n 1 : nrow ( v l ) ) {gt = vl [k , vars ]premises = l i s t ()# ############################################## Mining o f t h e p r e m i s e s f o r t e s t o b j e c t g t :# ############################################for ( i in n . i t e r ) {g . random .

s e t = t r [ sample ( x = 1 : nrow ( t r ) , s i z e = s u b s a m p l e . s i z e ∗nrow ( t r ) ) , c( vars , t a r g e t ) ]# I n t e r s e c t t h e o b j e c t s f r o m random e x t r a c t i o n and a t e s t o b j e c t g t :d e s c 0 = meet . o p e r a t o r ( g t , g . random . s e t [ , − n c o l ( g . random . s e t ) ] ) #−n c o l ( ) t odrop t a r g e t v a r i a b l e# Save a l l t a r g e t v a l u e s f o r h i s t o g r a m :h0 = g .

Характеристики

Тип файла
PDF-файл
Размер
3,66 Mb
Высшее учебное заведение

Список файлов диссертации

Рандомизированные алгоритмы на основе интервальных узорных структур
Свежие статьи
Популярно сейчас
Почему делать на заказ в разы дороже, чем купить готовую учебную работу на СтудИзбе? Наши учебные работы продаются каждый год, тогда как большинство заказов выполняются с нуля. Найдите подходящий учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6458
Авторов
на СтудИзбе
305
Средний доход
с одного платного файла
Обучение Подробнее