Articoli correlati a Modifica del dataset per migliorare le prestazioni...
Sinossi
Proponiamo due fasi di pre-elaborazione della classificazione che applicano algoritmi basati sulla carena convessa al set di allenamento per aiutare a migliorare le prestazioni e la velocità della classificazione. L'algoritmo Class Reconstruction utilizza un algoritmo di clustering combinato con un approccio basato su un guscio convesso che ri-etichetta il set di dati con una nuova ed estesa struttura di classe. Dimostriamo come questo algoritmo di miglioramento delle prestazioni aiuti ad aumentare i risultati di accuratezza di Naive Bayes in alcuni casi, ma non in tutti, che utilizzano dataset del mondo reale.
Le informazioni nella sezione "Riassunto" possono far riferimento a edizioni diverse di questo titolo.
Compra nuovo
Visualizza questo articolo
EUR 37,23
EUR 9,70 per la spedizione da Germania a Italia
Destinazione, tempi e costiRisultati della ricerca per Modifica del dataset per migliorare le prestazioni...
Immagini fornite dal venditore
Modifica del dataset per migliorare le prestazioni e la velocità dell\ algoritmo ML
Da: moluna, Greven, Germania
Valutazione del venditore 5 su 5 stelle
Condizione: New. Codice articolo 558558101
Quantità: Più di 20 disponibili
Immagini fornite dal venditore
Modifica del dataset per migliorare le prestazioni e la velocità dell'algoritmo ML
Editore:
Edizioni Sapienza Jan 2022, 2022
ISBN 10: 6204410709
ISBN 13: 9786204410708
Nuovo
Taschenbuch
Da: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Germania
Valutazione del venditore 5 su 5 stelle
Taschenbuch. Condizione: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Proponiamo due fasi di pre-elaborazione della classificazione che applicano algoritmi basati sulla carena convessa al set di allenamento per aiutare a migliorare le prestazioni e la velocità della classificazione. L'algoritmo Class Reconstruction utilizza un algoritmo di clustering combinato con un approccio basato su un guscio convesso che ri-etichetta il set di dati con una nuova ed estesa struttura di classe. Dimostriamo come questo algoritmo di miglioramento delle prestazioni aiuti ad aumentare i risultati di accuratezza di Naive Bayes in alcuni casi, ma non in tutti, che utilizzano dataset del mondo reale. 60 pp. Italienisch. Codice articolo 9786204410708
Quantità: 2 disponibili
Immagini fornite dal venditore
Modifica del dataset per migliorare le prestazioni e la velocità dell'algoritmo ML
Editore:
Edizioni Sapienza Jan 2022, 2022
ISBN 10: 6204410709
ISBN 13: 9786204410708
Nuovo
Taschenbuch
Da: buchversandmimpf2000, Emtmannsberg, BAYE, Germania
Valutazione del venditore 5 su 5 stelle
Taschenbuch. Condizione: Neu. Neuware -Proponiamo due fasi di pre-elaborazione della classificazione che applicano algoritmi basati sulla carena convessa al set di allenamento per aiutare a migliorare le prestazioni e la velocità della classificazione. L'algoritmo Class Reconstruction utilizza un algoritmo di clustering combinato con un approccio basato su un guscio convesso che ri-etichetta il set di dati con una nuova ed estesa struttura di classe. Dimostriamo come questo algoritmo di miglioramento delle prestazioni aiuti ad aumentare i risultati di accuratezza di Naive Bayes in alcuni casi, ma non in tutti, che utilizzano dataset del mondo reale.Books on Demand GmbH, Überseering 33, 22297 Hamburg 60 pp. Italienisch. Codice articolo 9786204410708
Quantità: 2 disponibili
Immagini fornite dal venditore
Modifica del dataset per migliorare le prestazioni e la velocità dell'algoritmo ML
Print on DemandDa: AHA-BUCH GmbH, Einbeck, Germania
Valutazione del venditore 5 su 5 stelle
Taschenbuch. Condizione: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Proponiamo due fasi di pre-elaborazione della classificazione che applicano algoritmi basati sulla carena convessa al set di allenamento per aiutare a migliorare le prestazioni e la velocità della classificazione. L'algoritmo Class Reconstruction utilizza un algoritmo di clustering combinato con un approccio basato su un guscio convesso che ri-etichetta il set di dati con una nuova ed estesa struttura di classe. Dimostriamo come questo algoritmo di miglioramento delle prestazioni aiuti ad aumentare i risultati di accuratezza di Naive Bayes in alcuni casi, ma non in tutti, che utilizzano dataset del mondo reale. Codice articolo 9786204410708
Quantità: 1 disponibili