檢索結果：共9筆資料 檢索策略： "Principal Component Analysis".ekeyword (精準) and cdept.raw="資訊管理系"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
「簡單貝氏分類法」是一種透過各特徵彼此間互相獨立下運用貝氏定理的分類器，現實生活中大部分的資料無法滿足任何兩個特徵皆不相關這項假設。 我們提出一種結合主成分分析與費雪資訊之簡單貝氏分類法，先利用「主…
2
本研究主要是應用「簡單貝式分類器」 結合「主成分分析」 法與統計推論中的「 p-值」 進行二元問題分類，並經由「屬性變數」 的篩選出主要相關因素來提升分類的準確率。貝氏分類器是依據待歸類物件的「屬性…
3
簡單貝氏分類器是一種根據貝氏定理的應用方法，此方法的特徵之間有著強大獨立性假設，為了避免每多一個維度，整個資料複雜度將會成幾何倍數的增加，所以欲使獨立性假設的成立，首先，本研究運用主成分分析法得到不…
4
簡單貝氏分類器是以貝氏定理為理論基礎發展出的分類器，其直接假設所有屬性彼此之間條件獨立，對於處理多維度資料集，有著簡單且有效的特性，能避免在進行多維度計算時產生無法想像的災難，但是它是一個天真的假設…
5
本研究之目的在於提出一個植基於合成屬性(integrated feature)的二元分類法，其主要是先利用「主成份分析」法將原本互為相關「屬性變數」的「屬性向量」轉化為任兩個「主成份」皆不相關的「主…
6
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，…
7
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…
8
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…
9
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…