Selección de características mediante algoritmo genético para mejorar el clasificador SVM - Devaraj, Nithya
39,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 1-2 Wochen
payback
20 °P sammeln
  • Broschiertes Buch

Este libro ofrece una clasificación de algoritmos como Support Vector Machine y Genetic Algorithm que se utilizan para encontrar la precisión de clasificación para el conjunto de datos de Wisconsin Breast Cancer. El conjunto de datos de referencia, el conjunto de datos de cáncer de mama de Wisconsin, se obtiene del Repositorio de aprendizaje automático de la UCI. El conjunto de datos consta de 699 instancias divididas en 2 clases, a saber, benignas y malignas, cada una con 11 atributos. Las máquinas de vectores de soporte (SVM) son un conjunto de métodos de aprendizaje supervisado relacionados…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Este libro ofrece una clasificación de algoritmos como Support Vector Machine y Genetic Algorithm que se utilizan para encontrar la precisión de clasificación para el conjunto de datos de Wisconsin Breast Cancer. El conjunto de datos de referencia, el conjunto de datos de cáncer de mama de Wisconsin, se obtiene del Repositorio de aprendizaje automático de la UCI. El conjunto de datos consta de 699 instancias divididas en 2 clases, a saber, benignas y malignas, cada una con 11 atributos. Las máquinas de vectores de soporte (SVM) son un conjunto de métodos de aprendizaje supervisado relacionados que se utilizan para la clasificación. Un modelo SVM de clasificación intenta separar las clases de destino con el margen más amplio posible. En SVM, la función de base radial y la función de núcleo polinómico se utilizan para calcular la precisión de la clasificación y el tiempo de ejecución. La selección de características se utiliza para mejorar la precisión del clasificador SVM. En GA, el algoritmo genético codificado en binarios y enteros también se utilizan para calcular la precisión de la clasificación y el tiempo de ejecución. El algoritmo genético codificado en números enteros se utiliza para seleccionar características importantes y relevantes para la clasificación. El algoritmo genético codificado en binario se puede aplicar a muchos problemas de optimización que contienen cadenas binarias para las variables.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Autorenporträt
D. Nithya recibió la licenciatura en CSE en 2008 y la maestría en CSE en 2010 de la Universidad Avinashilingam, Coimbatore. Actualmente es profesora asistente en el Departamento de CSE, Escuela de Ingeniería, Universidad Avinashlingam, Coimbatore, India desde 2010. Actualmente está trabajando para obtener un doctorado en CSE de la Universidad Avinashiingam,