Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Imprecise Statistical Inference for Accelerated Life Testing Data: Imprecision Related to Log-Rank Test Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Regression Ensemble with Linguistic Descriptions

verfasst von : Jiří Kupka, Pavel Rusnok

Erschienen in: Uncertainty Modelling in Data Science

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this contribution, we present a brief presentation of a method which allows automatically to create an ensemble of regression techniques and compare this method to standard approaches. This is done with the help of mined linguistic rule base which is further used by advanced Perception-based Logical Deduction. As a possible side effect, we can obtain a linguistic description of the evaluative process.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Imprecise Probability Inference on Masked Multicomponent System
Nächstes Kapitel Dynamic Classifier Selection Based on Imprecise Probabilities: A Case Study for the Naive Bayes Classifier
Literatur
1.
Novák, V.: A comprehensive theory of trichotomous evaluative linguistic expressions. Fuzzy Sets Syst. 159(22), 2939–2969 (2008)MathSciNetCrossRef
2.
Novák, V.: Towards formalized integrated theory of fuzzy logic. In: Fuzzy Logic and Its Applications to Engineering, Information Sciences, and Intelligent Systems, pp. 353–363. Springer (1995)CrossRef
3.
Novák, V., Perfilieva, I., Dvořák, A.: Insight Into Fuzzy Modeling. Wiley, Hoboken (2016)CrossRef
4.
Novák, V., Perfilieva, I., Dvořák, A., Chen, G., Wei, Q., Yan, P.: Mining pure linguistic associations from numerical data. Int. J. Approx. Reason. 48(1), 4–22 (2008)CrossRef
5.
Burda, M., Rusnok, P., Štěpnička, M.: Mining linguistic associations for emergent flood prediction adjustment. Adv. Fuzzy Syst. 4 (2013)
6.
Štěpnička, M., Dvořák, A., Pavliska, V., Vavříčková, L.: A linguistic approach to time series modeling with the help of f-transform. Fuzzy Sets Syst. 180(1), 164–184 (2011)MathSciNetCrossRef
7.
Štěpnička, M., Burda, M., Štěpničková, L.: Fuzzy rule base ensemble generated from data by linguistic associations mining. Fuzzy Sets Syst. 285, 141–161 (2015)MathSciNet
8.
Kupka, J., Rusnok, P.: Regression analysis based on linguistic associations and perception-based logical deduction. Expert Syst. Appl. 67, 107–114 (2017)CrossRef
9.
Novák, V., Perfilieva, I.: On the semantics of perception-based fuzzy logic deduction. Int. J. Intell. Syst. 19(11), 1007–1031 (2004)CrossRef
10.
Kupka, J., Tomanová, I.: Some extensions of mining of linguistic associations. Neural Netw. World 20(1), 27–44 (2010)
11.
Bache, K., Lichman, M.: UCI machine learning repository (2013)
12.
Hájek, P., Havránek, T.: Mechanizing Hypothesis Formation: Mathematical Foundations for a General Theory. Springer, Heidelberg (1978)CrossRef
13.
Štěpnička, M., Cortez, P., Donate, J.P., Štěpničková, L.: Forecasting seasonal time series with computational intelligence: on recent methods and the potential of their combinations. Expert Syst. Appl. 40(6), 1981–1992 (2013)CrossRef
14.
Han, J.: Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers Inc., San Francisco (2005)
15.
Kuhn, M., Wing, J., Weston, S., Williams, A., Keefer, C., Engelhardt, A., Cooper, T., Mayer, Z., Kenkel, B., The R Core Team, Benesty, M., Lescarbeau, R., Ziem, A., Scrucca, L., Tang, Y., Candan, C., Hunt., T.: Caret: Classification and Regression Training. R package version 6.0-77 (2017)
16.
Burda, M.: Linguistic fuzzy logic in R. In: IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), Istanbul, pp. 1–7. IEEE (2015)
Metadaten
Titel
Regression Ensemble with Linguistic Descriptions
verfasst von
Jiří Kupka
Pavel Rusnok
Copyright-Jahr
2019
Buch
Uncertainty Modelling in Data Science

Print ISBN: 978-3-319-97546-7

Electronic ISBN: 978-3-319-97547-4

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-319-97547-4_19