檢索結果：共4筆資料 檢索策略： "Analysis".ekeyword (精準) and ckeyword.raw="羅吉斯迴歸"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
本研究主要是加入企業的生命週期的觀點來建構財務危機預警模型，並利用財務及非財務資訊，分別以羅吉斯迴歸及資料包絡法-區別分析建構模型。實證結果顯示，資料包絡法-區別分析模型比羅吉斯迴歸模型能提供較佳的…
2
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…
3
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…
4
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…