23,99 €
inkl. MwSt.

Versandfertig in über 4 Wochen
  • Broschiertes Buch

Viene studiato l'effetto dei valori mancanti sulla classificazione dei dati. Viene presentata un'analisi comparativa dell'accuratezza della classificazione dei dati in diversi scenari. Nello studio vengono prese in considerazione diverse tecniche di ricerca per la selezione delle caratteristiche e vengono applicate per preelaborare il set di dati. Le prestazioni predittive dei classificatori più diffusi vengono confrontate quantitativamente. Il set di dati è stato ricavato da un contesto di rilevazione-decisione del cancro al seno disponibile presso il repository di machine learning dell'UCI.…mehr

Produktbeschreibung
Viene studiato l'effetto dei valori mancanti sulla classificazione dei dati. Viene presentata un'analisi comparativa dell'accuratezza della classificazione dei dati in diversi scenari. Nello studio vengono prese in considerazione diverse tecniche di ricerca per la selezione delle caratteristiche e vengono applicate per preelaborare il set di dati. Le prestazioni predittive dei classificatori più diffusi vengono confrontate quantitativamente. Il set di dati è stato ricavato da un contesto di rilevazione-decisione del cancro al seno disponibile presso il repository di machine learning dell'UCI. Dopo aver analizzato i risultati sperimentali, il lavoro stabilisce il concetto generale di miglioramento dell'accuratezza della classificazione utilizzando la sostituzione dei valori mancanti.
Autorenporträt
Ha più di 13 anni di esperienza nell'insegnamento dell'informatica e della tecnologia dell'informazione a livello UG e PG - Ha un'esperienza di ricerca di circa 10 anni, compreso il dottorato di ricerca. - Ha pubblicato oltre 100 articoli di ricerca in atti di conferenze e riviste di riferimento e ha pubblicato 5 libri nell'area del Data Mining e del Machine Learning.