Selección de características mediante algoritmo genético para mejorar el clasificador SVM
Versandkostenfrei!
Versandfertig in 1-2 Wochen
36,99 €
inkl. MwSt.
PAYBACK Punkte
18 °P sammeln!
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 relac...
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.
Andere Kunden interessierten sich für
