Informační systém Repo
PUDIL, Pavel, Ladislav BLAŽEK, Ondřej ČÁSTEK, Petr SOMOL, Jana POKORNÁ a Maria KRÁLOVÁ. Identifying Corporate Performance Factors Based on Feature Selection in Statistical Pattern Recognition: METHODS, APPLICATION, INTERPRETATION. 1. vyd. Brno: Masarykova univerzita, 2014. 170 s. ISBN 978-80-210-7557-3.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Identifying Corporate Performance Factors Based on Feature Selection in Statistical Pattern Recognition: METHODS, APPLICATION, INTERPRETATION
Autoři PUDIL, Pavel (203 Česká republika), Ladislav BLAŽEK (203 Česká republika, garant, domácí), Ondřej ČÁSTEK (203 Česká republika, domácí), Petr SOMOL (203 Česká republika), Jana POKORNÁ (203 Česká republika, domácí) a Maria KRÁLOVÁ (203 Česká republika, domácí).
Vydání 1. vyd. Brno, 170 s. 2014.
Nakladatel Masarykova univerzita
Další údaje
Originální jazyk angličtina
Typ výsledku Odborná kniha
Obor 5.6 Political science
Stát vydavatele Česká republika
Utajení není předmětem státního či obchodního tajemství
Forma vydání tištěná verze "print"
Kód RIV RIV/00216224:14560/14:00074365
Organizace Ekonomicko-správní fakulta - Masarykova univerzita
ISBN 978-80-210-7557-3
Klíčová slova anglicky Dependency-Aware Feature Ranking; Feature Selection; Pattern Recognition; Corporate Financial Performance; Competitiveness; Factors; Linear Regression; Non-linear Regression; Sequential Forward Flow Search; k Nearest Neighbours
Návaznosti GAP403/12/1557, projekt VaV.
Změnil Změnil: RNDr. Daniel Jakubík, učo 139797. Změněno: 6. 11. 2015 00:50.
Anotace
This publication summarizes and extends methodology of feature selection (FS) and pattern recognition in search for competitiveness factors and methodology of corporate financial performance (CFP) measurement. Several methods were evaluated and Dependency-Aware Feature Ranking combined with non-linear regression model were applied. Also, this publication suggests and verifies methodology of interpretation results of the FS methods. For start was employed multidimensional linear regression, succeeded by clustering companies according to the factors identified by FS into homogenous groups, dividing them into quartiles based on their CFP and identifying similar values of the factors. This way was captured the non-linearity in the data.
Zobrazeno: 21. 10. 2019 09:32