SSYSPE

Platform to share knowledge, news, discussions and jobs about software, systems and IT fields related
* Identificarse    * Registrarse


Nuevo tema Responder al tema  [ 1 mensaje ] 
Autor Mensaje
NotaPublicado: 05 May 2018, 05:32 
Desconectado
Avatar de Usuario

Registrado: 17 Mar 2018, 21:30
Mensajes: 18
En este documento, se presentan dos algoritmos de minería híbrida independientes para mejorar la clasificación de índices de precisión del árbol de decisión (DT) y clasificadores de Bayes Naives (NB) para la clasificación de múltiples tipos de problemas.
Los clasificadores DT y NB son útiles, eficientes y se usan comúnmente para resolver problemas de clasificación en la minería de datos. Dada la presencia de instancias complicadas y contradictorias, en el training set puede generar que el árbol de decisiones generado sufra de sobreajuste y su precisión puede disminuir.

A través de los resultados experimentales, se concluyen que los métodos han producido resultados impresionantes en la clasificación de problemas desafiantes de múltiples clases en la vida real. También pueden extraer automáticamente los conjuntos de datos de entrenamiento (training set) más valiosos e identificar el atributos más efectivos para la descripción de instancias de bases de datos de entrenamiento complejas ruidosas con grandes dimensiones de atributos.


Adjuntos:
Hybrid decision tree and naïve Bayes classifiers for multi-class.pdf [681.08 KiB]
2 veces
Arriba
 Perfil  
 
Mostrar mensajes previos:  Ordenar por  
Nuevo tema Responder al tema  [ 1 mensaje ] 


¿Quién está conectado?

Usuarios navegando por este Foro: No hay usuarios registrados visitando el Foro y 1 invitado


No puedes abrir nuevos temas en este Foro
No puedes responder a temas en este Foro
No puedes editar tus mensajes en este Foro
No puedes borrar tus mensajes en este Foro
No puedes enviar adjuntos en este Foro

Buscar: