Nové přístupy k metaučení v regresním modelování

Abstract

Metaučení se stává důležitou metodologií pro extrakci znalostí z dostupných trénovacích dat na nová (nezávislá) data. Zatím ale na tohle téma nebylo napsáno mnoho teorie a chybí také i praktické výpočty. Tato diplomová práce rozšiřuje praktický výzkum v této oblasti a zaměřuje se na citlivost metaučení na kontaminovaných datech. Metaučení jsme realizovali za použití čtyř různých regresních metod (včetně vysoce robustních) na 643 datových souborech s přidáváním různé míry kontaminace. Metaučení vykazuje vysoce nadprůměrné výsledky pro robustní míry predikce a při použití standardní střední kvadratické chyby metaučení selhává. Metaučení je citlivé na uměle přidanou kontaminaci, zejména na tu globální.

Metalearning is becoming an increasingly important methodology for extracting knowledge from a data base of available training dataset to a new (independent) dataset. There has not been written much theory about metalearning. Few practical experiments on metalearning research have been done. This diploma thesis expands empirical knowledge about metalearning. We performed metalearning using four regression methods (including highly robust ones) have been used on 643 data files, adding a various degree of contamination. Metalearning produces very good results for robust prediction measures and fails when used for standard mean squared error. Metalearning is sensitive to artificial contamination, especially to global contamination.