• español
    • English
    • français
    • português (Brasil)
  • français 
    • español
    • English
    • français
    • português (Brasil)
  • Ouvrir une session
Universidad de Los Andes

  • Accueil
  • Collèges et écoles
  • Unités de Recherche
  • Chercheurs
  • Revues Électroniques
  • Les Études Supérieures
  • Événements
Voir le document 
  •   SaberULA Institutional Repository l'Universidad de Los Andes, Mérida - Venezuela: Accueil
  • Facultades
  • Facultad de Ciencias Económicas y Sociales
  • Articulos, Pre-prints (Facultad de Ciencias Económicas y Sociales)
  • Voir le document
  •   SaberULA Institutional Repository l'Universidad de Los Andes, Mérida - Venezuela: Accueil
  • Facultades
  • Facultad de Ciencias Económicas y Sociales
  • Articulos, Pre-prints (Facultad de Ciencias Económicas y Sociales)
  • Voir le document
JavaScript is disabled for your browser. Some features of this site may not work without it.

A Reliable Method to Reduce Observations and Variables

Thumbnail
Voir/Ouvrir
caip99v0.pdf (969.1Ko)
resumen.htm (1.477Ko)
Date
2006-02-24
Auteur
Colmenares L., Gerardo A.
Pérez, Rafael
Metadatos
Afficher la notice complète
Compartir por...
| | |
Résumé
A Reliable Method to Reduce Observations and Variables when building Neural Network Models (Gerardo Colmenares; Rafael Pérez) Abstract This paper describes a method to reduce the number of observations and variables of large data sets so that reliable neural network models can be built using this data and the time to build these models can be reduced. This method can also be used to select, from an original data set, representative data to train, test, and validate models. This method applies stratification and principal component analysis to select representative observations and to eliminate redundant variables. The performance of neural network models built using reduced data sets provided by this method is very similar to that of neural network models built using the entire data set. The performance is also significantly better and more consistent than that of neural networks built using data sets reduced in a random fashion. A comparison using the stratification method alone and using stratification plus principal component analysis to reduce the data set is also included.
URI
http://www.saber.ula.ve/handle/123456789/17157
Colecciones
  • Articulos, Pre-prints (Facultad de Ciencias Económicas y Sociales)
  • Articulos, Pre-prints (Instituto de Investigaciones Económicas y Sociales (IIES))
Información Adicional
Correo Electrónicogcolmen@ula.ve
perez@csee.usf.edu
EditorSABER ULA

Univesidad de Los Andes

  • Rectorado
  • Vicerectorado Académico
  • Vicerectorado Administrativo
  • Secretaría

Navigation dans le document

  • Por Fecha de Publicación
  • Por Autores
  • Por Títulos
  • Por Palabras Clave

Questions fréquentes

  • ¿Cómo publicar?
  • ¿Cómo enviar o actualizar información?
  • ¿Cuál es la Licencia de Depósito de documentos en SaberULA?
  • ¿Qué es un Repositorio Institucional (RI)?
  • ¿Cómo obtengo RSS por tipo de documentos?

Localisez nous

  • emailsaber@ula.ve
  • +58-0274-240.23.43
  • Mérida - Venezuela

Suivez nous

facebook  twitter   

Contactez-nous | Faire parvenir un commentaire

Licencia Creative Commons Todos los documentos publicados en este repositorio se distribuyen bajo una
Licencia Creative Commons Atribución-NoComercial-CompartirIgual 3.0 Venezuela .

SaberULA Repositorio Institucional de la Universidad de Los Andes, Mérida, Venezuela 2018.

DSpaceDSpace software copyright © 2002-2016  DuraSpace.
Theme by  Atmire NV

 

 

Parcourir

Tout Saber-ULACommunautés & CollectionsPar date de publicationAuteursTitresSujetsCette collectionPar date de publicationAuteursTitresSujets

Mon compte

Ouvrir une session

Statistiques

Statistiques d'usage de visualisation

Univesidad de Los Andes

  • Rectorado
  • Vicerectorado Académico
  • Vicerectorado Administrativo
  • Secretaría

Navigation dans le document

  • Por Fecha de Publicación
  • Por Autores
  • Por Títulos
  • Por Palabras Clave

Questions fréquentes

  • ¿Cómo publicar?
  • ¿Cómo enviar o actualizar información?
  • ¿Cuál es la Licencia de Depósito de documentos en SaberULA?
  • ¿Qué es un Repositorio Institucional (RI)?
  • ¿Cómo obtengo RSS por tipo de documentos?

Localisez nous

  • emailsaber@ula.ve
  • +58-0274-240.23.43
  • Mérida - Venezuela

Suivez nous

facebook  twitter   

Contactez-nous | Faire parvenir un commentaire

Licencia Creative Commons Todos los documentos publicados en este repositorio se distribuyen bajo una
Licencia Creative Commons Atribución-NoComercial-CompartirIgual 3.0 Venezuela .

SaberULA Repositorio Institucional de la Universidad de Los Andes, Mérida, Venezuela 2018.

DSpaceDSpace software copyright © 2002-2016  DuraSpace.
Theme by  Atmire NV