26,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in über 4 Wochen
  • Broschiertes Buch

Questo lavoro fa parte dell'apprendimento statistico dei dati per lo sviluppo di modelli. Più specificamente, è dedicato allo studio delle foreste casuali che sono uno degli algoritmi più recenti nella famiglia dei metodi di classificazione dei modelli. Un grande vantaggio della foresta casuale è che può essere utilizzata sia per problemi di classificazione che di regressione, che costituiscono la maggior parte degli attuali sistemi di apprendimento automatico. In questo lavoro, abbiamo usato i dati del coronavirus per generare e valutare il modello proposto. Abbiamo scelto le foreste casuali,…mehr

Produktbeschreibung
Questo lavoro fa parte dell'apprendimento statistico dei dati per lo sviluppo di modelli. Più specificamente, è dedicato allo studio delle foreste casuali che sono uno degli algoritmi più recenti nella famiglia dei metodi di classificazione dei modelli. Un grande vantaggio della foresta casuale è che può essere utilizzata sia per problemi di classificazione che di regressione, che costituiscono la maggior parte degli attuali sistemi di apprendimento automatico. In questo lavoro, abbiamo usato i dati del coronavirus per generare e valutare il modello proposto. Abbiamo scelto le foreste casuali, che applicano il voto di maggioranza uniforme degli alberi di decisione per produrre una previsione ottimale, per classificare i pazienti che sono risultati positivi o negativi al coronavirus. I dati sono stati utilizzati come campione di allenamento per progettare un modello decisionale.
Autorenporträt
Informático. Desde el punto de vista académico, tiene un máster en Ciencias Matemáticas por el Instituto Africano de Ciencias Matemáticas de Kigali (Ruanda) y una licenciatura en Ingeniería Informática por la Universidad de Mbujimayi. Actualmente enseña en la Universidad de Mbujimayi, la Universidad Oficial de Mbujimayi, la Universidad Franco-Americana,...