Reliability of classification and prediction in k-nearest neighbours
En aquesta tesi doctoral s'ha desenvolupat el càlcul de la fiabilitat de classificació i de la fiabilitat de predicció utilitzant el mètode dels k-veïns més propers (k-nearest neighbours, kNN) i estratègies de remostreig basades en bootstrap. S'han desenvolupat, a més, dos nous mètodes de...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2013 |
| País: | España |
| Institución: | Universitat Rovira i virgili (URV) |
| Repositorio: | Repositori Institucional de la Universitat Rovira i Virgili |
| OAI Identifier: | oai:urv.cat:TDX:1265 |
| Acceso en línea: | https://hdl.handle.net/20.500.11797/TDX1265 http://hdl.handle.net/10803/127108 |
| Access Level: | acceso abierto |
| Palabra clave: | 543 - Química analítica 54 - Química 512 - Àlgebra 311 - Estadística |
| Sumario: | En aquesta tesi doctoral s'ha desenvolupat el càlcul de la fiabilitat de classificació i de la fiabilitat de predicció utilitzant el mètode dels k-veïns més propers (k-nearest neighbours, kNN) i estratègies de remostreig basades en bootstrap. S'han desenvolupat, a més, dos nous mètodes de classificació: Probabilistic Bootstrap k-Nearest Neighbours (PBkNN) i Bagged k-Nearest Neighbours (Bagged kNN), i un nou mètode de predicció, el Direct OrthogonalizationkNN (DOkNN). En tots els casos, els resultats obtinguts amb els nous mètodes han estat comparables o millors que els obtinguts utilitzant mètodes clàssics de classificació i calibratge multivariant. |
|---|