檢索結果:共7筆資料 檢索策略: "演算法".ckeyword (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
本研究全面評估了在多個標竿表格資料集上,由混合萬用啟發式演算法強化的樹狀機器學習模型在超參數優化(hyperparameter optimization; HPO)上的性能。理論研究強調了混合黏菌演…
2
當解決混合型資料(包含數值型資料和類別型資料)的分類問題時,既有監督式學習演算法無法表現完美,然而如K-prototypes演算法的非監督式學習在處理混合型資料卻展現優異的潛力。因此,為同時擁有分群…
3
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…
4
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…
5
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…
6
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…
7
隨著科技的日新月異,資料蒐集以及儲存方法的進步,因此能夠快速累積龐大的資料,然而如何能從大量的資料,萃取有用的資訊,甚至發現一些新奇以及有用的樣式,是一大課題。其中資料探勘即是一種能夠在大量資料自動…