×
安东尼拉·普拉亚;玛丽安吉拉·西安德拉

用于排序数据的基于距离的加权树。 （英语） Zbl 1459.62119号

高级数据分析。分类。，ADAC公司 13，第2期，427-444（2019）.
摘要：在偏好排序的框架内，兴趣在于找出哪些预测因素和哪些交互作用能够解释观察到的偏好结构，因为偏好决策通常取决于法官和被评判对象的特征。这项工作建议使用单变量决策树，根据完整和不完整排名的加权距离对数据进行排名，并考虑ROC曲线下的面积，用于修剪和模型评估。两个真实而著名的数据集，SUSHI偏好数据和大学排名数据，用于显示该方法的性能。

引用于4文件

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
68T05型 人工智能中的学习和自适应系统
91B08型 个人偏好

关键词：

决策树;基于距离的方法;排名数据;凯梅尼距离;SUSHI数据;大学排名数据

软件：

ConsRank公司;截止2001年;rpart公司
PDF格式BibTeX公司 XML格式引用
\textit{A.Plaia}和\textit{M.Sciandra}，高级数据分析。分类。，ADAC 13，No.2，427--444（2019；Zbl 1459.62119）
全文： 内政部

参考文献：

[1] Amodio S，D’Ambrosio A，Siciliano R（2016）在kemeny公理方法下处理弱排名和部分排名时，识别中位数排名的准确算法。欧洲运营研究杂志249（2）：667-676。https://doi.org/10.1016/j.ejor.2015.08.048 ·Zbl 1346.91065号 ·doi:10.1016/j.ejor.2015.08.048
[2] Breiman L、Friedman J、Olshen R、Stone C（1984）分类和回归树。Wadsworth和Brooks，伦敦·Zbl 0541.62042号
[3] Chen J，Li Y，Feng L（2012）一种新的加权步法，用于衡量排名之间的距离。CoRR.arXiv公司：1207.2541
[4] Cheng W、Hühn J和Hüllermier E（2009）标签排名的决策树和基于实例的学习。在Bottou L，Littman M（eds），第26届机器学习国际会议论文集。蒙特利尔Omnipress，第161-168页
[5] Cook WD（2006）基于距离和特殊共识的有序偏好排序模型。欧洲运营研究杂志172:369-385。https://doi.org/10.1016/j.ejor.2005.03.048 ·Zbl 1120.91007号 ·doi:10.1016/j.jor.2005.03.048
[6] Cook W，Kress M，Seiford LM（1986）关于偏序距离的公理方法。法国汽车工业评论（Rev Franaise Autom Informatique Rech Oprationnelle Rech）20（2）：115-122·Zbl 0607.90003号
[7] D’Ambrosio A（2007）基于树的数据编辑和偏好排名方法。那不勒斯大学“费德里科二世”博士论文
[8] D'Ambrosio A，Amodio S（2015）ConsRank：根据Kemeny的公理方法计算中位数排名。R软件包版本1.0.2。http://CRAN.R-project.org/package=ConsRank
[9] D'Ambrosio A，Amodio S，Iorio C（2015）两种算法，用于寻找Kemeny排名聚合问题的最佳解决方案。电子应用统计分析8（2）。http://siba-ese.unisalento.it/index.php/ejasa/article/view/14986
[10] Dittrich R、Hatzinger R、Katzenbeisser W（1998）在配对比较研究中对受试者特定协变量的影响进行建模，并应用于大学排名。J R Stat Soc Ser C（应用统计）47（4）：511-525。https://doi.org/10.1111/1467-9876.00125 ·Zbl 0915.62063号 ·doi:10.1111/1467-9876.00125
[11] Edmond，EJ Mason DW（2000）高级决策支持的新技术。技术报告DOR（CAM）项目报告2000/13。https://doi.org/10.1002/meda.313
[12] Edmond EJ，Mason DW（2002）一个新的秩相关系数及其在同心度排序问题中的应用。多标准决策分析杂志11:17-28·Zbl 1038.62052号 ·doi:10.1002/mcda.313
[13] Farnoud F、Touri B、Milenkovic O（2012）《投票聚集的新型距离测量》。arXiv:1203.6371
[14] Fawcett T（2006）：roc分析简介。图案识别信函27（8）：861-874。https://doi.org/10.1016/j.patrec.2005.10.010 ·doi:10.1016/j.patrec.2005.10.010
[15] García-Lapresta JL，Pérez-Román D（2010）弱订单上加权kemeny距离产生的共识度量。摘自：第十届智能系统设计和应用国际会议论文集，开罗
[16] Good IJ（1980）当并列和省略都允许时，n个候选的排序数。统计计算模拟杂志10（2）：159-159。https://doi.org/101080/00949658008810357 ·doi:10.1080/00949658008010357
[17] Hand DJ，Till RJ（2001）多类别分类问题ROC曲线下面积的简单概括。马赫学习45（2）：171-186。https://doi.org/10.1023/A:1010920819831 ·Zbl 1007.68180号 ·doi:10.1023/A：1010920819831
[18] Hüllermier E，Fürnkranz J，Cheng W，Brinker K（2008）通过学习成对偏好进行标签排名。Artif Intell艺术情报172（16）：1897-1916·Zbl 1184.68403号 ·doi:10.1016/j.artint.2008.08.002
[19] Kamishima T（2003）《南通协同过滤：基于订单响应的推荐》。In:第九届知识发现和数据挖掘国际会议，KDD2003，第583-588页
[20] Kemeny JG，Snell JL（1962）偏好排序是一种公理方法。麻省理工学院出版社，剑桥
[21] Kumar R，Indrayan A（2011）医学研究人员的受试者操作特性（ROC）曲线。印度儿科48（4）：277-287。https://doi.org/10.1007/s13312-011-0055-4 ·doi:10.1007/s13312-011-0055-4
[22] Kumar R，Vassilvitskii S（2010），排名之间的广义距离。摘自：第19届万维网国际会议论文集，WWW’10，美国纽约州纽约市，ACM，第571-580页。https://doi.org/10.1145/1772690.1772749
[23] Lee PH，Yu PL（2010）基于距离的排名数据树模型。计算统计数据分析54（6）：1672-1682。https://doi.org/10.1016/j.csda.2010.01.027 ·Zbl 1284.62055号 ·doi:10.1016/j.csda.2010.01.027
[24] Marcus P（2013）排名数据的异质概率模型比较。硕士论文。http://www.math.leidenuniv.nl/scripties/MasterMarcus.pdf
[25] Piccareta R（2010）不同数据的二叉树。计算统计数据分析54（6）：1516-1524。https://doi.org/10.1016/j.csda.2009.12.011 ·Zbl 1284.62389号 ·doi:10.1016/j.csda.2009.12.011
[26] Ripley B（1996）模式识别和神经网络。剑桥大学出版社·Zbl 0853.62046号 ·doi:10.1017/CBO9780511812651
[27] Sciandra M，Plaia A，Capursi V（2016）《多元有序反应的分类树：在学生评价教学中的应用》。合格数量。https://doi.org/10.1007/s11135-016-0430-2 ·doi:10.1007/s11135-016-0430-2
[28] Shih Y-S（2001）为具有类别变量的分类树选择最佳分割。统计概率快报54（4）：341-345。https://doi.org/10.1016/S0167-7152(00)00188-7 ·Zbl 0999.62049号 ·doi:10.1016/S0167-7152（00）00188-7
[29] Strobl C、Wickelmaier F、Zeileis A（2011）通过递归分区的方法解释Bradley-Terry模型中的个体差异。教育行为杂志Stat 36（2）：135-153。https://doi.org/10.102/1076998609359791 ·doi:10.3102/1076998609359791
[30] Therneau T，Clinic M（2015），Rpart的用户编写拆分函数。https://cran.r-project.org/web/packages/rpart/vignettes/usercode.pdf
[31] Therneau T、Atkinson B、Ripley B（2015）R部分：递归分区和回归树。R包版本4.1-10。http://CRAN.R-project.org/package=rpart
[32] Yu PL，Wan，WM，Lee PH（2010）排名数据的决策树建模。In：偏好学习。柏林施普林格，第83-106页·Zbl 1214.68310号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。