Abstract
[Ita:]Recenti risultati in letteratura hanno dimostrato che l’apprendimento su-
pervisionato migliora notevolmente quando si scelgono le variabili pi`u rilevanti
per la costruzione della regola discriminante. La presenza di valori anomali e di
unit`a erroneamente classificate nel learning set pu`o severamente minare la deter-
minazione dei predittori rilevanti e sfortunatamente quasi nessuna metodologia af-
fronta questo problema. Il presente contributo propone un nuovo approccio robusto,
che incorpora un classificatore all’interno di un metodo incrementale di selezione
delle variabili. Risultati simulativi mostrano i vantaggi del nuovo metodo, in com-
parazione con soluzioni non robuste.
Lingua originale | English |
---|---|
Titolo della pubblicazione ospite | Book of Short Papers SIS 2020 |
Pagine | 1117-1122 |
Numero di pagine | 6 |
Stato di pubblicazione | Pubblicato - 2020 |
Evento | 50th Scientific Meeting of the Italian Statistical Society - Pisa Durata: 22 giu 2020 → 24 giu 2020 |
Convegno
Convegno | 50th Scientific Meeting of the Italian Statistical Society |
---|---|
Città | Pisa |
Periodo | 22/6/20 → 24/6/20 |
Keywords
- Variable Selection
- Model-Based Classification
- Label Noise
- Robust Estimation
- Wrapper approach
- Impartial Trimming
- Outliers Detection