Modificación del conjunto de datos para mejorar el rendimiento y la velocidad del algoritmo ML

Sathish Kumar Penchala

ISBN 10: 6204410687 / ISBN 13: 9786204410685

Editore: Ediciones Nuestro Conocimiento Jan 2022, 2022

Riguardo questo articolo

Neuware -Proponemos dos pasos de preprocesamiento para la clasificación que aplican algoritmos basados en cascos convexos al conjunto de entrenamiento para ayudar a mejorar el rendimiento y la velocidad de la clasificación. El algoritmo de reconstrucción de clases utiliza un algoritmo de agrupación combinado con un enfoque basado en cascos convexos que vuelve a etiquetar el conjunto de datos con una estructura de clases nueva y ampliada. Demostramos cómo este algoritmo de mejora del rendimiento ayuda a aumentar los resultados de precisión de Naive Bayes en algunos casos, pero no en todos, que utilizan conjuntos de datos del mundo real.Books on Demand GmbH, Überseering 33, 22297 Hamburg 64 pp. Spanisch.

Codice articolo 9786204410685

Dati bibliografici

• Titolo: Modificación del conjunto de datos para mejorar el rendimiento y la velocidad del algoritmo ML
• Editore: Ediciones Nuestro Conocimiento Jan 2022
• Data di pubblicazione: 2022
• Lingua: Spagnolo
• ISBN 10: 6204410687
• ISBN 13: 9786204410685
• Rilegatura: Taschenbuch
• Condizione: Neu
• Dimensioni: 220 L x 150 A x 4 P (millimetri) 220 millimetri di larghezza per 150 millimetri di altezza per 4 millimetri di profondità
• Peso: 113 grammi

Descrizione articolo

Riassunto

Proponemos dos pasos de preprocesamiento para la clasificación que aplican algoritmos basados en cascos convexos al conjunto de entrenamiento para ayudar a mejorar el rendimiento y la velocidad de la clasificación. El algoritmo de reconstrucción de clases utiliza un algoritmo de agrupación combinado con un enfoque basado en cascos convexos que vuelve a etiquetar el conjunto de datos con una estructura de clases nueva y ampliada. Demostramos cómo este algoritmo de mejora del rendimiento ayuda a aumentar los resultados de precisión de Naive Bayes en algunos casos, pero no en todos, que utilizan conjuntos de datos del mundo real.