Exploiting the bin-class histograms for feature selection on discrete data

In machine learning and pattern recognition tasks, the use of feature discretization techniques may have several advantages. The discretized features may hold enough information for the learning task at hand, while ignoring minor fluctuations that are irrelevant or harmful for that task. The discretized features have more compact representations that may yield both better accuracy and lower training time, as compared to the use of the original features. However, in many cases, mainly with medium and high-dimensional data, the large number of features usually implies that there is some redundancy among them. Thus, we may further apply feature selection (FS) techniques on the discrete data, keeping the most relevant features, while discarding the irrelevant and redundant ones. In this paper, we propose relevance and redundancy criteria for supervised feature selection techniques on discrete data. These criteria are applied to the bin-class histograms of the discrete features. The experimental results, on public benchmark data, show that the proposed criteria can achieve better accuracy than widely used relevance and redundancy criteria, such as mutual information and the Fisher ratio.

Comparing population distributions from bin-aggregated sample data: an application to historical height data from France

This paper develops a methodology to estimate the entire population distributions from bin-aggregated sample data. We do this through the estimation of the parameters of mixtures of distributions that allow for maximal parametric flexibility. The statistical approach we develop enables comparisons of the full distributions of height data from potential army conscripts across France's 88 departments for most of the nineteenth century. These comparisons are made by testing for differences-of-means stochastic dominance. Corrections for possible measurement errors are also devised by taking advantage of the richness of the data sets. Our methodology is of interest to researchers working on historical as well as contemporary bin-aggregated or histogram-type data, something that is still widely done since much of the information that is publicly available is in that form, often due to restrictions due to political sensitivity and/or confidentiality concerns.

So bin ich nur als Kind erwacht

Soitinnus: lauluääni, piano.

König bin ich

Soitinnus: lauluääni, piano.

So bin ich nur als Kind erwacht

Soitinnus: lauluääni, piano.

“Ich habe gedacht, ich bin ihresgleichen und dann war ich immer ganz jemand anderes” : das Leben von Pfarrfrauen in der hannoverschen Landeskirche bis Anfang der 1970er Jahre im Licht sozialtechnischer Modernisierung

De protestantiska prästernas hustrur, prästfruarna, inom Landeskirche Hannover utgör en liten grupp konfessionellt bundna och troende kvinnor som jag undersökt ur kvinnohistoriskt och kulturvetenskapligt perspektiv. Jag belyser förändringarna i synen på prästgård, prästfruns värv och församling under mitten av 1900-talet då prästfruarna förlorade sin ställning i samhälle och församling. Prästfruarna framstår som vittnen över slutet på en epok som började med reformationen och som visat sig vara grundläggande för utformningen av moderniteten liksom också för övergången till senmoderna makt- och socialtekniker som lett till dagens emancipatoriska krav på självförverkligande med jaget som expert. Förändringarna ledde till kvinnopolitiska segrar, som bättre tillgång till arbetsmarknaden, men också till en hittills inte undersökt tragisk sida av denna modernisering, nämligen hur det självständiga handlingsutrymme försvann som prästfruarna hade i prästgård och församling just som kvinnor. Den protestantiska kyrkan bidrog så till en revolutionerande strukturomvandling för att referera till historikerna Lutz Raphael och Anselm Doering-Manteuffel.

”Ich bin alles anderes als ein Freund von Prostitution.” Eine linguistische Analyse über Selbst- und Fremddefinition in einem Diskussionsforum

Tämä sivuainetutkielma tarkastelee, miten keskustelufoorumin käyttäjät tunnistavat ja määrittelevät erilaisia sosiaalisia viiteryhmiä erimielisyystilanteissa. Työ pohjautuu sosiaalipsykologisiin käsitteisiin omasta ja vieraista viiteryhmistä, jotka voidaan ilmaista eksplisiittisesti tai implisiittisesti. Viiteryhmiin viittausta analysoitiin keskustelunanalyyttisen konseptin jäsenkategoria avulla. Tarkasteltavana oli saksalaisen naistenlehden Brigitte Community -keskustelupalstalta löytyvän keskusteluketjun 50 ensimmäistä viestiä. Keskustelunaiheena oli vastakkainasettelu kumppaninen salaisen rakastajan ja kumppanin salaisen bordellissa käymisen välillä. Tämän sivuaineen tutkielman taustalla vaikuttavat useammat teoreettiset lähtökohdat, jotka yhdistettiin ja joita muokattiin aineistoon sopivaksi. Jotta eri viiteryhmien määritelmiä pystyttiin analysoimaan keskustelunanalyyttisin keinoin, piti huomioida sellaiset perinteiset käsitteet, kuin vuoroparit ja keskustelun rakenne. Vuoropareja käsiteltiin näkökulmasta, jonka mukaan asynkronisessa tietokonevälitteisessä viestinnässä vallitsee illuusio vuoropareista. Keskustelun katsottiin koostuvan kokonaisuutena lomittaisista ja toisiinsa nivoutuneista keskustelukentistä. Analyysiin sisällytettiin kenttiä, jotka koostuivat vähintään kolmesta vuorosta ja muodostivat selkeän erimielisyyden. Erimielisyyden määrittely pohjautuu Muntiglin ja Turnbullin (1998) malliin. Tulokset osoittivat, että asynkronisen median käyttäjillä on monimuotoisia keinoja määritellä sekä oma että vieras viiteryhmä. Oman viiteryhmän määrittelyssä ilmeni ainoastaan harvoja esimerkkejä monitahoisemmista rakenteista, mutta vieraiden viiteryhmien määrittelyssä mahdollisuudet olivat moninaisemmat. Tulokset vihjaavat, että toisinaan erimielisyydet saattavat johtua vieraiden viiteryhmien eriävistä määritelmistä eriävien omien viiteryhmien sijaan.