檢索結果:共7筆資料 檢索策略: "分類".ckeyword (精準) and ckeyword.raw="主成分分析"
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
「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…
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
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…
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…