Модификация набора данных для улучшения производительности и скорости алгоритма ML - Softcover

Inhaltsangabe

Мы предлагаем два этапа предварительной обработки классификации, которые применяют алгоритмы на основе выпуклых корпусов к обучающему набору, чтобы улучшить производительность и скорость классификации. Алгоритм реконструкции классов использует алгоритм кластеризации в сочетании с подходом на основе выпуклых корпусов, который перемаркирует набор данных с новой и расширенной структурой классов. Мы демонстрируем, как этот алгоритм повышения производительности помогает повысить точность результатов Naive Bayes в некоторых, но не во всех случаях, когда используются реальные наборы данных.

Die Inhaltsangabe kann sich auf eine andere Ausgabe dieses Titels beziehen.