Andere Kunden interessierten sich auch für
![Algorithmen für maschinelles Lernen zur Klassifizierung von Webseiten]( "Algorithmen für maschinelles Lernen zur Klassifizierung von Webseiten")
Algorithmen für maschinelles Lernen zur Klassifizierung von Webseiten68,90 €![Klassifizierung der Kartoffelblattkrankheit]( "Klassifizierung der Kartoffelblattkrankheit")
Klassifizierung der Kartoffelblattkrankheit43,90 €![Zuschreibung der Autorenschaft von Aufsätzen mittels Stilometrie]( "Zuschreibung der Autorenschaft von Aufsätzen mittels Stilometrie")
Zuschreibung der Autorenschaft von Aufsätzen mittels Stilometrie35,90 €![ANALYSE DES KUNDENVERHALTENS IM ELEKTRONISCHEN HANDEL]( "ANALYSE DES KUNDENVERHALTENS IM ELEKTRONISCHEN HANDEL")
ANALYSE DES KUNDENVERHALTENS IM ELEKTRONISCHEN HANDEL43,90 €![Leukämie-Krebs-Klassifizierung durch maschinelles Lernen]( "Leukämie-Krebs-Klassifizierung durch maschinelles Lernen")
Leukämie-Krebs-Klassifizierung durch maschinelles Lernen45,90 €![Erkennung und Klassifizierung von Lungentumoren]( "Erkennung und Klassifizierung von Lungentumoren")
Erkennung und Klassifizierung von Lungentumoren39,90 €![Bildverarbeitungstechniken zur Identifizierung und Klassifizierung von Pflanzen]( "Bildverarbeitungstechniken zur Identifizierung und Klassifizierung von Pflanzen")
Bildverarbeitungstechniken zur Identifizierung und Klassifizierung von Pflanzen68,90 €
In diesem Buch geht es um die Entwicklung eines Modells, das mithilfe von Methoden des maschinellen Lernens klassifiziert, ob eine bestimmte Website legitim oder bösartig ist, und um die Frage, ob die Erhöhung der Anzahl der Merkmale eines Modells zu einer Steigerung seiner Leistung führt. Die Autoren verwendeten drei verschiedene Fälle, um ein optimales Modell zu erstellen, wobei sich jeder Fall durch die Anzahl der im Datensatz verwendeten Merkmale unterscheidet. Im ersten Fall wurde der Basis- oder Originaldatensatz verwendet. Im zweiten Fall wurde ein erweiterter Merkmalsatz verwendet. Im dritten Fall wurde ein Algorithmus zur Merkmalsauswahl im erweiterten Merkmalsatz verwendet, um einen neuen Datensatz zu erstellen. Die zur Erstellung der Modelle verwendeten Klassifikatoren sind Random Forest, J48, C-SVC und kNN. Das Ergebnis zeigte eine Leistungssteigerung beim Vergleich der Modelle des ersten Falles mit denen des zweiten Falles. Beim Vergleich der Modelle des zweiten Falls mit den Modellen des dritten Falls wurde keine signifikante Veränderung festgestellt. Die Studie zeigte, dass es eine direkt proportionale Beziehung zwischen der Anzahl der Merkmale eines Modells und der Leistung des Modells gibt. Eine Erweiterung der Anzahl der Merkmale des Datensatzes führt zu einer Steigerung der Leistung jedes Modells.