@misc{Łapczyński_Mariusz_O_2017,
 author={Łapczyński, Mariusz},
 identifier={DOI: 10.15611/ekt.2017.1.06},
 year={2017},
 rights={Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy},
 publisher={Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu},
 description={Ekonometria = Econometrics, 2017, Nr 1 (55), s. 69-81},
 language={pol},
 abstract={Rotacyjny las (rotation forest) jest narzędziem analitycznym służącym do budowy zagregowanych modeli predykcyjnych. Pojedyncze modele drzew klasyfikacyjnych powstają na podstawie podprób bootstrapowych, a do ich budowy używa się innych zbiorów zmiennych niezależnych. Początkowo dzieli się zbiór tych zmiennych na k rozłącznych podzbiorów, a następnie w każdym z nich stosuje się analizę głównych składowych w celu uzyskania liniowej kombinacji zmiennych wejściowych. Celem artykułu jest porównanie skuteczności modeli prognostycznych zbudowanych za pomocą rotacyjnego lasu z innymi modelami zagregowanymi: metodą bagging, drzewami wzmacnianymi AdaBoost i losowym lasem. Do analiz wykorzystano 11 zbiorów obserwacji pobranych z popularnego repozytorium on-line. Obliczenia zostały wykonane w programie WEKA (Waikato Environment for Knowledge Analysis), a ocena modeli została dokonana za pomocą czterech miar: dokładności, czułości, precyzji i miary F. Wyniki wskazują na ograniczone możliwości wykorzystania tego modelu zagregowanego w badaniach rynkowych i marketingowych. Najważniejsze przeszkody dotyczą poziomu pomiaru zmiennych niezależnych i zasobów sprzętowych niezbędnych do analizy dużych zbiorów danych},
 title={O możliwościach wykorzystania rotacyjnego lasu w badaniach rynkowych i marketingowych},
 type={artykuł},
 keywords={badania marketingowe, predykcja, podejście wielomodelowe, rotacyjny las, marketing survey, prediction, ensemble models, rotation forest},
}