Robust estimation and its application to a classification problem

• Autorzy: Henryk Gacki , Agnieszka Kulawik
• Języki publikacji: EN

Abstrakty

EN

In the article, a classification problem with two distributed classes is considered. The problem is solving using empirical discriminant functions for Gaussian classifier and estimators for unknown parameters of multivariate normal distribution. The three etimators, maximum likelihood estimator, Kulawik-Zontek estimator and minimum covariance determinant estimator, are compared in two different empirical examples (small size sample and large size sample).

PL

W artykule omówiono problem klasyfikacji dla dwóch klas w przypadku przyjęcia założenia, że rozkłady cech w klasach są wielowymiarowymi rozkładami normalnymi. Problem rozwiązano za pomocą empirycznego klasyfikatora gaussowskiego i wybranych estymatorów nieznanych parametrów wielowymiarowego rozkładu normalnego. Uwzględnione zostały następujące estymatory: MLE (the maximum likelihood estimator - estymator największej wiarogodności), KZE (Kulawik-Zontek estimator) i MCDE (the minimum covariance determinant estimator). Klasyfikatory oparte o MLE i KZE zostały porównane w przypadku przykładu empirycznego (mała próba). W przypadku dużych prób porównane zostały klasyfikatory oparte o trzy wspomniane estymatory.

Słowa kluczowe

EN

Gaussian classifier, Huber’s function, estimator, multivariate normal model

PL

klasyfikator gaussowski, funkcja Hubera, estymator, wielowymiarowy rozkład normalny

• Wydawca: Polish Mathematical Society
• Czasopismo: Mathematica Applicanda
• Rocznik: 2019
• Tom: 47
• Numer: 2

Daty

wydano

2019

online

2019-08-10

Twórcy

autor

Henryk Gacki

autor

Agnieszka Kulawik

Identyfikatory

DOI

10.14708/ma.v47i2.6499