檢索結果：共4筆資料 檢索策略： "呂永和".ccommittee (精準) and ckeyword.raw="主成份分析"
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
二元分類是依據屬性向量來判別物件的類別，當面對高維度屬性向量時，傳統分類法會遭遇計算上的困難，進而衍生出選取有效屬性以降低屬性向量維度的需要。面對較高維度屬性之資料，傳統上分為兩種方式來進行降低維度…
3
在機器學習領域中，高維度資料分析是一個很有挑戰性的任務，隨著特徵數量的提高，分類模型因此需要大量的運算成本，還有可能陷入維度詛咒(curese of dimensionality)而發生過擬合(ov…
4
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…