| Identifikační kód |
RIV/67985807:_____/18:00497292 |
| Název v anglickém jazyce |
Robust Metalearning: Comparing Robust Regression Using A Robust Prediction Error |
| Druh |
D - Stať ve sborníku |
| Jazyk |
eng - angličtina |
| Vědní obor |
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8) |
| Rok uplatnění |
2018 |
| Kód důvěrnosti údajů |
S - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů. |
| Počet výskytů výsledku |
2 |
| Počet tvůrců celkem |
2 |
| Počet domácích tvůrců |
2 |
| Výčet všech uvedených jednotlivých tvůrců |
Jan Kalina (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 6169899, orcid: 0000-0002-8491-0364, scopusid: 24338449800, researcherid: E-4287-2012)
Barbora Peštová (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 4229185, scopusid: 56453349400, researcherid: H-8831-2017) |
| Popis výsledku v anglickém jazyce |
The aim of this paper is to construct a classification rule for predicting the best regression estimator for a new data set based on a database of 20 training data sets. Various estimators considered here include some popular methods of robust statistics. The methodology used for constructing the classification rule can be described as metalearning. Nevertheless, standard approaches of metalearning should be robustified if working with data sets contaminated by outlying measurements (outliers). Therefore, our contribution can be also described as robustification of the metalearning process by using a robust prediction error. In addition to performing the metalearning study by means of both standard and robust approaches, we search for a detailed interpretation in two particular situations. The results of detailed investigation show that the knowledge obtained by a metalearning approach standing on standard principles is prone to great variability and instability, which makes it hard to believe that the results are not just a consequence of a mere chance. Such aspect of metalearning seems not to have been previously analyzed in literature. |
| Klíčová slova oddělená středníkem |
metalearning;robust regression;outliers;robust prediction error |
| Stránka www, na které se nachází výsledek |
https://msed.vse.cz/msed_2018/article/13-Pestova-Barbora-paper.pdf |
| Odkaz na údaje z výzkumu |
- |