檢索結果:共7筆資料 檢索策略: "Selectivity".ekeyword (精準) and ckeyword.raw="分類"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
在支撐向量法 (Support Vector Machines: SVMs) 的分類問題(classification) 中,我們深入的探討遺失 (loss) 處罰 (penalty) 項,發現了不…
2
資料縮減的目的在於從一個資料集中篩選出一個子集,而資料縮減的好處在於減少儲存空間的需求並且增進分類的效率。使用該子集作為訓練資料不僅可能維持住分類正確率,甚至在刪除雜訊的情況下能得到進一步的改善,因…
3
半導體產業已經發展成資本最密集與技術最先進的行業之一。但嚴苛的競爭環境迫使半導體製造廠商需有效地預測晶圓製造並提高晶圓產量,透過低成本、快速、高品質的產品來取得競爭優勢。現今,半導體製造商能夠直接從…
4
本研究旨在提出一個基於選擇域優化策略的新方法稱為 Selection Domain Enhancement Strategy for Discretized Feature Selection (S…
5
數十年來,資料分群及分類是資料探勘應用在不同領域上的兩個重要的方法,縱使這兩種方法可以分開應用,但他們常常在資料探索或是資料分析上一起使用,尤其在資料標籤沒有定義的情況下。當分類的標籤無法取得,或是…
6
分類問題在資料探勘中是一個重要的議題,而支撐向量機(Support Vector Machines, SVMs)靠著解決非線性問題的能力得到較好的分類準確性,在現今解決分類問題上扮演著相當重要的角色…
7
對於各個國家的經濟來說,金融市場一直扮演著十分重要的角色。而市場預測更是研究者與投資者們重視的研究領域。除了傳統的預測模型外,機器學習的方法也被廣泛的應用在這個領域上。然而,隨著現代網路與通訊科技的…