Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Learning Decision Trees from Histogram Data
Stockholms universitet, Samhällsvetenskapliga fakulteten, Institutionen för data- och systemvetenskap.
Stockholms universitet, Samhällsvetenskapliga fakulteten, Institutionen för data- och systemvetenskap.
Stockholms universitet, Samhällsvetenskapliga fakulteten, Institutionen för data- och systemvetenskap.
2015 (engelsk)Inngår i: Proceedings of the 2015 International Conference on Data Mining: DMIN 2015 / [ed] Robert Stahlbock, Gary M. Weiss, CSREA Press, 2015, 139-145 s.Konferansepaper, Publicerat paper (Fagfellevurdert)
Resurstyp
Text
Abstract [en]

When applying learning algorithms to histogram data, bins of such variables are normally treated as separate independent variables. However, this may lead to a loss of information as the underlying dependencies may not be fully exploited. In this paper, we adapt the standard decision tree learning algorithm to handle histogram data by proposing a novel method for partitioning examples using binned variables. Results from employing the algorithm to both synthetic and real-world data sets demonstrate that exploiting dependencies in histogram data may have positive effects on both predictive performance and model size, as measured by number of nodes in the decision tree. These gains are however associated with an increased computational cost and more complex split conditions. To address the former issue, an approximate method is proposed, which speeds up the learning process substantially while retaining the predictive performance.

sted, utgiver, år, opplag, sider
CSREA Press, 2015. 139-145 s.
Emneord [en]
Histogram Learning, Histogram Tree
HSV kategori
Forskningsprogram
data- och systemvetenskap
Identifikatorer
URN: urn:nbn:se:su:diva-125140ISBN: 978-1-60132-403-0 (tryckt)OAI: oai:DiVA.org:su-125140DiVA: diva2:891929
Konferanse
11th International Conference on Data Mining (DMIN'15), Las Vegas, Nevada, USA, July 27-30, 2015
Tilgjengelig fra: 2016-01-08 Laget: 2016-01-08 Sist oppdatert: 2017-11-15bibliografisk kontrollert
Inngår i avhandling
1.
Posten ble ikke funnet. Det kan skyldes at posten ikke lenger er tilgjengelig eller det er feil id i adressefeltet.

Open Access i DiVA

fulltext(145 kB)78 nedlastinger
Filinformasjon
Fil FULLTEXT01.pdfFilstørrelse 145 kBChecksum SHA-512
73fd10ad2e8536d7565c2ec124dc17ddc3695000397d3f7ad4f8b8ae1ca88502ab4cfe5d0c1afc401c7acfa6f6cd501d816e4234f511931b843a315604bec3b7
Type fulltextMimetype application/pdf

Søk i DiVA

Av forfatter/redaktør
Gurung, Ram B.Lindgren, TonyBoström, Henrik
Av organisasjonen

Søk utenfor DiVA

GoogleGoogle Scholar
Totalt: 78 nedlastinger
Antall nedlastinger er summen av alle nedlastinger av alle fulltekster. Det kan for eksempel være tidligere versjoner som er ikke lenger tilgjengelige

Totalt: 272 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf