檢索結果:共11筆資料 檢索策略: "分類".ckeyword (精準) and cadvisor.raw="楊維寧"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
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,…
2
目前大多數以貝氏分類實現文件分類法的研究中,絕大多數都是採用Naive Bayes作為基礎技術,文件分類的方法是藉由文章中的詞彙來判定文件類型,在詞彙數越多的狀況下越能提高分類正確性,若是以Baye…
3
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…
4
「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…
5
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…
6
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…
7
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…
8
高斯樸素貝氏分類器基於每個屬性服從高斯分佈的假設來評估每個類別在各別屬性的概似函數(likelihood)。但關於真實資料集的實際研究中表明高斯分佈的假設可能是不合理的。本研究目的植基於樸素貝氏分類…
9
以往在實驗中會假設資料是高斯分布,但真實資料的研究中發現這是不合理的。因此本研究提出一種使用「P值」(P-Value)的演算方法,不對特徵進行分布假設之情形下,在訓練資料中計算特徵在類別的比例,因此…
10
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…