Andere Kunden interessierten sich auch für
![Análise de Competitividade de Pregão Eletrônico via Mineração de Dados]( "Análise de Competitividade de Pregão Eletrônico via Mineração de Dados")
Análise de Competitividade de Pregão Eletrônico via Mineração de Dados26,99 €![Percepção de ameaças aéreas usando mineração de dados]( "Percepção de ameaças aéreas usando mineração de dados")
Percepção de ameaças aéreas usando mineração de dados35,99 €![Redes neurais artificiais aplicadas aos modelos de aprendizado]( "Redes neurais artificiais aplicadas aos modelos de aprendizado")
Redes neurais artificiais aplicadas aos modelos de aprendizado26,99 €![Recuperação eficiente de dados de mineração de vídeo usando o Algoritmo de Clustering]( "Recuperação eficiente de dados de mineração de vídeo usando o Algoritmo de Clustering")
Recuperação eficiente de dados de mineração de vídeo usando o Algoritmo de Clustering26,99 €![Técnicas de mineração de dados - Modelo de previsão de LD em crianças]( "Técnicas de mineração de dados - Modelo de previsão de LD em crianças")
Técnicas de mineração de dados - Modelo de previsão de LD em crianças44,99 €![Mineração de regra de associação em dados dimensionais progressivos e elevados]( "Mineração de regra de associação em dados dimensionais progressivos e elevados")
Mineração de regra de associação em dados dimensionais progressivos e elevados51,99 €![Usando redes bayesianas para detectar problemas em projetos Scrum]( "Usando redes bayesianas para detectar problemas em projetos Scrum")
Usando redes bayesianas para detectar problemas em projetos Scrum44,99 €
As Redes Bayesianas (RBs) podem ser consideradas como uma forma de representação do conhecimento baseada no raciocínio probabilístico e possuem características que as tornam muito adequadas para tarefas de mineração de dados. O aprendizado automático de RBs e Classificadores Bayesianos (CBs) busca identificar uma RB que represente o relacionamento entre as variáveis de um determinado conjunto de dados, mas sendo um problema NP-completo o espaço de busca se torna muito amplo na maioria das aplicações. Assim, muitos algoritmos exploram formas de redução do espaço de busca para tornar o processo de aprendizado computacionalmente viável. Este livro apresenta um método, o MarkovPC, de aprendizado de CBs que visa exatamente reduzir o espaço de busca durante a indução de um classificador a partir de dados. Para tanto, toma-se como base algoritmos de aprendizado de RB da classe de Independência Condicional e o conceito de Markov Blanket. Resultados mostram que o MarkovPC é capaz de reduzir o esforço computacional do processo de indução de um classificador Bayesiano e mantendo a qualidade do classificador induzido em termos de taxa de classificação correta.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.