Beschreibung
Produktdetails
Einband
Taschenbuch
Verlag
VDMSeitenzahl
124
Maße (L/B/H)
22/15/0,8 cm
Gewicht
181 g
Sprache
Englisch
ISBN
978-3-639-28868-1
High-dimensional data refers to data with a large number of variables. Classifying these data is a difficult problem because the enormous number of variables poses challenges to conventional classification methods and renders many classical techniques impractical. A natural solution is to add a dimensionality reduction step before a classification technique is applied. We Propose three methods to deal with this problem: a simulated annealing (SA) based method, a multivariate adaptive stochastic search (MASS) method, and a functional adaptive classification (FAC) method. The third method considers functional predictors. They all utilize stochastic search algorithms to select a handful of optimal transformation directions from a large number of random directions in each iteration. These methods are designed to mimic variable selection type methods, such as the Lasso, or variable combination methods, such as PCA, or a method that combines the two approaches. We demonstrate the strengths of our methods on an extensive range of simulation and real-world studies.
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.
Kurze Frage zu unserer Seite
Vielen Dank für dein Feedback
Wir nutzen dein Feedback, um unsere Produktseiten zu verbessern. Bitte habe Verständnis, dass wir dir keine Rückmeldung geben können. Falls du Kontakt mit uns aufnehmen möchtest, kannst du dich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice