Journal of Machine Learning Research· 2014Q1
Gerçek dünya sınıflandırma problemlerini çözmek için yüzlerce sınıflandırıcıya ihtiyacımız var mı
Do we need hundreds of classifiers to solve real world classification problems
- 2.181atıf
- Q1SCImago
- 2014yıl
Kısa özet
17 aileden 179 sınıflandırıcının kapsamlı bir değerlendirmesi, küçük bir alt küme topluluk yöntemlerinin (boosting, bagging, stacking) ve çekirdek tabanlı yöntemlerin (SVM'ler) gerçek dünya veri kümelerinde tutarlı bir şekilde diğerlerinden daha iyi performans gösterdiğini ortaya koymaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- 17 aileden 179 sınıflandırıcı gerçek dünya sınıflandırma veri kümelerinde değerlendirildi.
- Topluluk yöntemleri (boosting, bagging, stacking) ve SVM'ler tutarlı bir şekilde yüksek performans gösterdi.
- Bu en iyi performans gösteren yöntemler genellikle daha basit algoritmaları geride bıraktı.
- Çalışma, etkili sınıflandırıcıların seçimi için ampirik kanıtlar sunmaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
We evaluate 179 classifiers arising from 17 families (discriminant analysis, Bayesian, neural networks, support vector machines, decision trees, rule-based classifiers, boosting, bagging, stacking,...
Yazarların özeti; kaynağından alınmıştır. Journal of Machine Learning Research, 2014 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Bilişim Sistemleri
Information SystemsComputer Science