Attributes | Values |
---|
rdf:type
| |
Description
| - The paper is concerned with mining data collected from a number of objects during repeated control measurements all of which are tagged by the corresponding time. No attribute-valued machine learning algorithm can be applied directly on such data provided that the number of controls is not fixed but if it varies. The available data have to be transformed and preprocessed in such a way that uniform type of information is obtained about all the considered objects. This can be achieved e.g., by aggregation. But this process can bring in anachronictic variables, i.e., variables containing information which is not actually available in the data when a prediction is needed. The paper suggests a method how to preprocess considered type of data without falling into the trap of introducing anachronistic attributes. The method is illustrated on a case study based on STULONG data. (en)
- Při zpracování lékařských dat získaných dlouhodobým sledováním pacientů se často setkáváme s tím, že se rozsah dat pro jednotlivé pacienty výrazně liší. Data o sledovaném souboru jsou pak nejednotná, přičemž zařazení pacienta do cílové třídy může přímo souviset s počtem dostupných měření o tomto pacientovi. Ovšem u této hodnoty je nebezpečí, že jde o anachronický atribut a nelze se o ni opírat při konstrukci libovolného modelu sledovaných dat. Příspěvek navrhuje možný postup, jak předzpracovat výchozí soubor dat tak, aby byl tento zásadní problém odstraněn. Navržená metoda je ilustrována na případu dat ze studie STULONG
- Při zpracování lékařských dat získaných dlouhodobým sledováním pacientů se často setkáváme s tím, že se rozsah dat pro jednotlivé pacienty výrazně liší. Data o sledovaném souboru jsou pak nejednotná, přičemž zařazení pacienta do cílové třídy může přímo souviset s počtem dostupných měření o tomto pacientovi. Ovšem u této hodnoty je nebezpečí, že jde o anachronický atribut a nelze se o ni opírat při konstrukci libovolného modelu sledovaných dat. Příspěvek navrhuje možný postup, jak předzpracovat výchozí soubor dat tak, aby byl tento zásadní problém odstraněn. Navržená metoda je ilustrována na případu dat ze studie STULONG (cs)
|
Title
| - Anachronic attributes and data mining (en)
- Anachronické atributy a dobývání znalostí
- Anachronické atributy a dobývání znalostí (cs)
|
skos:prefLabel
| - Anachronic attributes and data mining (en)
- Anachronické atributy a dobývání znalostí
- Anachronické atributy a dobývání znalostí (cs)
|
skos:notation
| - RIV/68407700:21230/04:03096100!RIV/2005/MSM/212305/N
|
http://linked.open.../vavai/riv/strany
| |
http://linked.open...avai/riv/aktivita
| |
http://linked.open...avai/riv/aktivity
| |
http://linked.open...vai/riv/dodaniDat
| |
http://linked.open...aciTvurceVysledku
| |
http://linked.open.../riv/druhVysledku
| |
http://linked.open...iv/duvernostUdaju
| |
http://linked.open...titaPredkladatele
| |
http://linked.open...dnocenehoVysledku
| |
http://linked.open...ai/riv/idVysledku
| - RIV/68407700:21230/04:03096100
|
http://linked.open...riv/jazykVysledku
| |
http://linked.open.../riv/klicovaSlova
| - Anachronic attributes; Data preprocessing; Time series (en)
|
http://linked.open.../riv/klicoveSlovo
| |
http://linked.open...ontrolniKodProRIV
| |
http://linked.open...v/mistoKonaniAkce
| |
http://linked.open...i/riv/mistoVydani
| |
http://linked.open...i/riv/nazevZdroje
| |
http://linked.open...in/vavai/riv/obor
| |
http://linked.open...ichTvurcuVysledku
| |
http://linked.open...cetTvurcuVysledku
| |
http://linked.open...UplatneniVysledku
| |
http://linked.open...iv/tvurceVysledku
| - Kléma, Jiří
- Štěpánková, Olga
- Nováková, Lenka
|
http://linked.open...vavai/riv/typAkce
| |
http://linked.open.../riv/zahajeniAkce
| |
http://linked.open...n/vavai/riv/zamer
| |
number of pages
| |
http://purl.org/ne...btex#hasPublisher
| - Vysoká škola báňská - Technická univerzita Ostrava
|
https://schema.org/isbn
| |
http://localhost/t...ganizacniJednotka
| |