檢索結果:共4筆資料 檢索策略: cadvisor.raw="楊維寧" and ckeyword.raw="決定係數"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
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…
2
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…
3
在機器學習領域中,當欲分類的資料量大且特徵屬性繁多時,分類模型需要大量的運算成本,亦容易陷入「維度詛咒」(curse of dimensionality),使用「主成分分析」法能有效縮減維度(Dim…
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…