Andere Kunden interessierten sich auch für
![Leucemia Classificação do cancro utilizando a abordagem de aprendizagem mecânica]( "Leucemia Classificação do cancro utilizando a abordagem de aprendizagem mecânica")
Leucemia Classificação do cancro utilizando a abordagem de aprendizagem mecânica33,99 €![Gestão de Conhecimentos e Ciência de Dados na área da Saúde]( "Gestão de Conhecimentos e Ciência de Dados na área da Saúde")
Gestão de Conhecimentos e Ciência de Dados na área da Saúde57,99 €![Algoritmos de IA para classificação e previsão de doenças do tomateiro]( "Algoritmos de IA para classificação e previsão de doenças do tomateiro")
Algoritmos de IA para classificação e previsão de doenças do tomateiro57,99 €![Classificação das doenças da folha da batata]( "Classificação das doenças da folha da batata")
Classificação das doenças da folha da batata32,99 €![Variações do método kNN e suas aplicações na classificação automática]( "Variações do método kNN e suas aplicações na classificação automática")
Variações do método kNN e suas aplicações na classificação automática39,99 €![Análise Sentimate para classificação de produtos Web]( "Análise Sentimate para classificação de produtos Web")
Análise Sentimate para classificação de produtos Web32,99 €![Atribuição de autoria de ensaios com recurso à estilometria]( "Atribuição de autoria de ensaios com recurso à estilometria")
Atribuição de autoria de ensaios com recurso à estilometria26,99 €
Este livro visa desenvolver um modelo que classifica se um determinado sítio web é legítimo ou malicioso utilizando metodologias de aprendizagem de máquinas e determinar se o aumento do conjunto de características de um modelo levará a um aumento do seu desempenho. Os autores utilizaram três casos distintos para gerar um modelo óptimo, cada caso difere no número de características utilizadas no conjunto de dados. O primeiro caso utilizou a base ou o conjunto de dados original. O segundo caso utilizou um conjunto alargado de características. Foi utilizado um algoritmo de selecção de características no conjunto alargado de características para criar um novo conjunto de dados para o terceiro caso. Os classificadores utilizados para gerar os modelos são Random Forest, J48, C-SVC, e kNN. O resultado mostrou um aumento no desempenho ao comparar os modelos do primeiro caso versus o segundo caso. Não foi observada qualquer alteração significativa quando os modelos do segundo caso foram comparados com os modelos do terceiro caso. O estudo mostrou que existe uma relação directamente proporcional entre o número de características de um modelo e o desempenho de um modelo. O aumento do número de características do conjunto de dados leva a um aumento do desempenho de cada modelo.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.