プロビット、ID3、およびニューラルネットワークの分類精度に対するデータ効果の実証的調査*

要約。本論文は、LIFO/FIFO分類モデルの予測精度に対するデータおよび方法の効果を調査した結果を報告する。比較された方法はプロビット、ID3、およびニューラルネットワークである。データの特性が分類精度に与える影響と特定の方法がより優れた性能を発揮する状況を研究するために実験が行われた。予測精度を計算するために保持サンプルが使用された。結果は、(1) 異なる方法がLIFO/FIFOの選択に影響を与える異なる要因を特定し、(2) 保持テストでは、ニューラルネットワークモデルが最高の平均予測精度を持ち、ID3モデルが最低であることを示している。支配的な名義変数が存在する場合、ニューラルネットワークモデルが最も優れているが、そうでない場合はプロビットモデルが最も優れている。