 | אלגוריתמים סיווג וקהאלגוריתמים סיווג Weka הוא התוספת weka. |
| הורד עכשיו | |
אלגוריתמים סיווג וקה דירוג וסיכום
פרסומת
אלגוריתמים סיווג וקה תגים
אלגוריתמים סיווג וקה תיאור
אלגוריתמים סיווג וקה הוא תוספת וקה. Weka סיווג אלגוריתמים הוא weka plug-in.It מספק יישום עבור מספר רשת עצבית מלאכותית (אן) ו מערכת החיסון מלאכותית (AIS) מבוסס סיווג אלגוריתמים עבור Weka (Waikato סביבה לניתוח ידע) מכונת למידה workbench.The Weka נבחר ליישום האלגוריתמים שנבחרו כי אני חושב שלה חתיכת מעולה של תוכנה חופשית. פרויקט Weka נדרש להפעיל את האלגוריתמים המסופקים בפרויקט זה, והוא כלול בהורדה. זהו פרויקט קוד פתוח (שפורסם תחת GPL) כך קוד המקור זמין.לוגוריתמים: · למידה וקטורית Quantization (LVQ) · מארגון עצמי מפה (SOM) · להאכיל קדימה רשת עצבית מלאכותית (FF-ANN) · מלאכותית מערכת ההכרה החיסונית (AIRS) · אלגוריתם בחירה קלונלית (Clonalg) · אימונוס -81 מה הוא לומד קווי וקטור? · אלגוריתם למידה תחרותי אמר להיות גרסה מפוקחת של האלגוריתם המארגן (SOM) על ידי Kohonen · מטרה של האלגוריתם היא לקרוע את התפלגות של מחלקה באמצעות מספר מופחת של וקטורים קוד המקום שבו האלגוריתם מבקש למזער שגיאות סיווג · וקטורים קוד הופכים להדגיש עבור מחלקה מסוימת - בניסיון לייצג גבולות בכיתה · האלגוריתם אינו בונה הזמנה טופוגרפית של מערך הנתונים (אין מושג של שכונה מפורשת ב LVQ כפי שיש באלגוריתם SOM) · אלגוריתם הוצע על ידי Kohonen בשנת 1986 כשיפור על פני הכמות וקטורית שכותרתו · א LGorithm קשורה עם מעמד הרשת העצבית של אלגוריתמים למידה, אם כי עובד באופן משמעותי באופן משמעותי לעומת רשתות להאכיל קונבנציונאלי כמו התצפית בחזרה מה הם כמה יתרונות של הלמידה וקטור אלגוריתם? · המודל מאומן באופן משמעותי יותר מאשר טכניקות רשת עצביות אחרות כמו חזרה התפשטות · היא מסוגלת לסכם או להפחית מערכי נתונים גדולים למספר קטן יותר של וקטורים קודמים המתאימים לסיווג או להדמיה · מסוגל להכליל תכונות במערך מתן רמה של חוסן · יכול בקירוב כמעט כל בעיה סיווג כל עוד התכונות יכולות יש להשוות באמצעות מדד מרחק משמעותי · לא מוגבל במספר הממדים ב וקטורים קוד כמו השכנים הקרובים ביותר · נורמליזציה של נתוני קלט אינו נדרש (מנורמל עשוי לשפר את הדיוק אם ערכי התכונה משתנים מאוד) · יכול לטפל בנתונים עם ערכים חסרים · המודל שנוצר יכול להיות מעודכן כובע הם כמה חסרונות של אלגוריתם קווי וקטור למידה? · צריך להיות מסוגל ליצור אמצעים מרחק שימושי עבור כל המאפיינים (Euclidean משמש בדרך כלל עבור תכונות מספריות) · דיוק מודל תלוי מאוד את האתחול של המודל, כמו גם את הלמידה פרמטרים בשימוש (שיעור למידה, אימון אימון, etcetera) · הדיוק תלוי גם בהפצה בכיתה בעיתון הדרכה, הפצה טובה של דגימות נדרשת כדי לבנות מודלים שימושיים · קשה לקבוע מספר טוב של וקטורים קוד טוב עבור בעיה נתונה
אלגוריתמים סיווג וקה תוכנה קשורה
