Andere Kunden interessierten sich auch für
![Nuovo approccio ibrido ponderato nel metodo di raccomandazione]( "Nuovo approccio ibrido ponderato nel metodo di raccomandazione")
Nuovo approccio ibrido ponderato nel metodo di raccomandazione23,99 €![Un meccanismo efficiente per l'estrazione dei dati basato sulle caratteristiche degli insiemi di elementi]( "Un meccanismo efficiente per l'estrazione dei dati basato sulle caratteristiche degli insiemi di elementi")
Un meccanismo efficiente per l'estrazione dei dati basato sulle caratteristiche degli insiemi di elementi46,99 €![Modifica del set di dati per migliorare le prestazioni e la velocità dell'algoritmo ML]( "Modifica del set di dati per migliorare le prestazioni e la velocità dell'algoritmo ML")
Modifica del set di dati per migliorare le prestazioni e la velocità dell'algoritmo ML26,99 €![Utilizzo dell'analisi dei dati per migliorare la conformità con il Data Privacy Act]( "Utilizzo dell'analisi dei dati per migliorare la conformità con il Data Privacy Act")
Utilizzo dell'analisi dei dati per migliorare la conformità con il Data Privacy Act39,99 €![Utilizzare l'analisi dei dati dei social media per migliorare i servizi bancari]( "Utilizzare l'analisi dei dati dei social media per migliorare i servizi bancari")
Utilizzare l'analisi dei dati dei social media per migliorare i servizi bancari51,99 €![Intelligenza dei dati]( "Intelligenza dei dati")
Intelligenza dei dati30,99 €![Una proposta di nuovo algoritmo per l'analisi del clustering gerarchico]( "Una proposta di nuovo algoritmo per l'analisi del clustering gerarchico")
Una proposta di nuovo algoritmo per l'analisi del clustering gerarchico23,99 €
Lo sbilanciamento delle classi è uno dei problemi più impegnativi per le tecniche di data mining e di apprendimento automatico. Nelle applicazioni del mondo reale, i dati hanno spesso una distribuzione delle classi squilibrata. Ciò si verifica quando la maggior parte degli esempi appartiene a una classe maggioritaria e pochi esempi appartengono a una classe minoritaria. In questo caso, i classificatori standard tendono a classificare tutti gli esempi come classe maggioritaria e a ignorare completamente la classe minoritaria. Per questo problema, i ricercatori hanno proposto molte soluzioni sia a livello di dati che di algoritmi. La maggior parte degli sforzi si concentra su problemi di classe binaria. Tuttavia, la classe binaria non è l'unico scenario in cui prevale il problema dello sbilanciamento delle classi. Nel caso di insiemi di dati multiclasse, è molto più difficile definire le classi di maggioranza e di minoranza. Pertanto, la classificazione multiclasse in insiemi di dati sbilanciati rimane un importante argomento di ricerca. Nel nostro libro abbiamo proposto un nuovo approccio basato su SOMTE (Synthetic Minority Over-sampling TEchnique) e sul clustering, in grado di affrontare il problema dei dati squilibrati che coinvolgono più classi. Abbiamo implementato il nostro approccio utilizzando strumenti di apprendimento automatico open source: Weka e RapidMiner.