Algoritmi di classificazione Weka.

L'algoritmi di classificazione Weka è un plug-in Weka.
Scarica ora

Algoritmi di classificazione Weka. Classifica e riepilogo

Annuncio pubblicitario

  • Rating:
  • Licenza:
  • GPL
  • Prezzo:
  • FREE
  • Nome editore:
  • Jason Brownlee
  • Sito web dell'editore:

Algoritmi di classificazione Weka. Tag


Algoritmi di classificazione Weka. Descrizione

L'algoritmi di classificazione Weka è un plug-in Weka. L'algoritmi di classificazione Weka è un plug -in.it Weka fornisce l'implementazione per un certo numero di algoritmi di classificazione basata sulla rete neurale artificiale (ANN) e del sistema immunitario artificiale (AIS) per il Weka (Waikato Environment for Knowledge Analysis Analysis) di apprendimento della piattaforma Weka.La piattaforma Weka è stato selezionato per l'implementazione degli algoritmi selezionati perché penso che sia un eccellente software gratuito. Il progetto Weka è tenuto a eseguire gli algoritmi forniti in questo progetto ed è incluso nel download. Questo è un progetto open source (rilasciato sotto il GPL) in modo che il codice sorgente sia disponibile.Algoritmi: · Apprendimento quantizzazione vettoriale (LVQ) · Mappa auto-organizzatore (SOM) · Rete neurale artificiale dell'alimentazione (FF-ANN) · Artificiale Sistema di riconoscimento immunitario (Airs) · Algoritmo di selezione clonale (clonalg) · Immunos-81 Qual è l'apprendimento della quantizzazione vettoriale? · Un algoritmo di apprendimento competitivo ha detto di essere una versione supervisionata della mappa auto-organizzatrice (SOM) algoritmo di Kohonen · Obiettivo dell'algoritmo è quello di approssimare la distribuzione di una classe utilizzando un numero ridotto di vettori di codici in cui l'algoritmo cerca di ridurre al minimo gli errori di classificazione · I vettori del codice diventano esemplari per una particolare classe - il tentativo di rappresentare i limiti della classe · L'algoritmo non costruisce un ordine topografico del set di dati (Non esiste alcun concetto di vicinato esplicito in LVQ in quanto vi è nell'algoritmo SOM) · L'algoritmo è stato proposto da Kohonen nel 1986 come miglioramento rispetto alla quantizzazione vettoriale etichettata · A Il Lgorithm è associato alla classe di rete neurale degli algoritmi di apprendimento, sebbene funzioni in modo significativo in modo diverso rispetto alle reti di avanzamento convenzionali come la propagazione della schiena quali sono alcuni vantaggi dell'algoritmo di quantizzazione vettoriale di apprendimento? · Il modello è formato in modo significativo più velocemente di altre tecniche di rete neurale Propagazione · È in grado di riassumere o ridurre i set di dati di grandi dimensioni a un numero minimo di vettori di codici adatti per la classificazione o la visualizzazione · in grado di generalizzare le funzioni nel dataset che forniscono un livello di robustezza · può approssimare quasi qualsiasi problema di classificazione purché gli attributi possano essere confrontato utilizzando una misura di distanza significativa · non limitato nel numero di dimensioni nei vettori di codici come tecniche vicine più vicine · la normalizzazione dei dati di input non è richiesta (normalizzata può migliorare la precisione se i valori degli attributi variano notevolmente) · può gestire i dati con valori mancanti · Il modello generato può essere aggiornato in modo incrementale Cappello sono alcuni svantaggi dell'algoritmo di quantizzazione del vettore di apprendimento? · È necessario essere in grado di generare utili misure di distanza per tutti gli attributi (Euclidean viene solitamente utilizzato per gli attributi numerici) · La precisione del modello dipende molto dall'inizializzazione del modello e dell'apprendimento Parametri utilizzati (tasso di apprendimento, iterazioni di formazione, eccetera) · La precisione dipende anche dalla distribuzione della classe nel set di dati di formazione, è necessaria una buona distribuzione dei campioni per costruire modelli utili · È difficile determinare un buon numero di vettori di codici per a dato problemi


Algoritmi di classificazione Weka. Software correlato

K3dsurf.

K3DSURF è un programma che genera superfici 3D con formule matematiche. ...

622

Scarica

SINGOLARE

Singolare è un sistema di algebra informatico per calcoli polinomiali. ...

140

Scarica

Browser HL7.

HL7 Browser è uno strumento che consente agli operatori sanitari di semplificare l'analisi e la modifica dei record HL7. ...

1,203

Scarica

Bwview.

BWVIEW Application è un'applicazione di visualizzazione a onde cerebrali registrate. ...

268

Scarica