檢索結果:共7筆資料 檢索策略: cadvisor.raw="楊維寧" and ckeyword.raw="特徵選取"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
在機器學習領域中,資料分析會隨著「屬性向量」維度過高或過低而變成具有挑戰性的任務。隨著屬性向量的維度越高,分類模型會需要更大量的運算成本,還有可能因為訓練過度而發生過擬合(overfitting)的…
2
因為近年來「嚴重特殊傳染性肺炎」(COVID-19)病毒於全球蔓延,所以本研究欲進行醫療資料集分類,隨著資料特徵數量的提高,因此分類模型需要大量的運算成本,並且可能使分類模型陷入「維度詛咒」(cur…
3
在機器學習領域中,當欲分類的資料量大且特徵屬性繁多時,分類模型需要大量的運算成本,亦容易陷入「維度詛咒」(curse of dimensionality),使用「主成分分析」法能有效縮減維度(Dim…
4
在機器學習領域中,高維度資料分析是一個很有挑戰性的任務,隨著特徵數量的提高,分類模型因此需要大量的運算成本,還有可能陷入維度詛咒(curese of dimensionality)而發生過擬合(ov…
5
由於生物學家希望能夠了解並偵測生物體內基因的表現情形,因此,有許多實驗技術陸續被發展應用於基因偵測的議題。近年來,由於微陣列技術不同於過去常被用來研究基因表現的傳統偵測技術,因此,微陣列技術已經成為…
6
在機器學習(Machine learning)領域中,低維度且線性不可分的資料一直都是個很有挑戰性的任務,為了解決這一困難,可以應用核函數將屬性向量從低維度空間轉換到高維度空間。但是在增加屬性向量的…
7
在分類過程中若使用不具信息的特徵可能降低模型的成效,因此藉由特徵與類別變數之間的相關係數平方和信息增益的特徵選取方法來決定保留的特徵,由於選擇的特徵通常具有相關性,導致不能只使用依序選取特徵的方法,…