Algorithmes de classification Weka Algorithmes de classification Weka est un plug-in Weka.
Télécharger maintenant

Algorithmes de classification Weka Classement & Résumé

Algorithmes de classification Weka Mots clés

algorithme classification Weka Algorithme de classification Weka plug-in réseau neuronal artificiel

Algorithmes de classification Weka La description

Algorithmes de classification Weka est un plug-in Weka. Weka Classification Algorithmes est un plug -in weka.it fournit une mise en uvre pour un certain nombre d'algorithmes de classification basés sur le réseau de neurones artificielles (ANN) et du système immunitaire artificiel (AIS) pour la Weka (environnement Waikato pour l'analyse de la connaissance) Workbench de l'apprentissage de la machine. La plate-forme Weka a été sélectionné pour la mise en uvre des algorithmes sélectionnés car je pense que c'est un excellent élément de logiciel libre. Le projet Weka est tenu d'exécuter les algorithmes fournis dans ce projet et est inclus dans le téléchargement. Il s'agit d'un projet open source (publié sous la GPL) afin que le code source soit disponible.Algorithmes: · Quantizale de vecteur d'apprentissage (LVQ) · Carte auto-organisée (SOM) · Réseau de neurones artificiels à terme (FF-Ann) · Artificial Système de reconnaissance immunitaire (AIRS) · Algorithme de sélection clonal (Clonalg) · Immunos-81Quelle est l'apprentissage de la quantification de vecteur? · Un algorithme d'apprentissage concurrentiel dit être une version supervisée de l'algorithme de carte autonome (som) de Kohonen · but de l'algorithme est de se rapprocher de la distribution d'une classe à l'aide d'un nombre réduit de vecteurs de CodeBook où l'algorithme cherche à minimiser les erreurs de classification · Les vecteurs de code de code deviennent des exemples pour une classe particulière - tentative de représentation des limites de classe · L'algorithme ne construit pas de commande topographique de l'ensemble de données (Il n'y a pas de concept de quartier explicite dans LVQ, car il existe dans l'algorithme SOM) · L'algorithme a été proposé par Kohonen en 1986 comme une amélioration sur la quantification de vecteur étiquetée · L'A LGorithm est associé à la classe de réseau de neurones d'algorithmes d'apprentissage, bien que fonctionne de manière significative différemment par rapport aux réseaux classiques en avant-coureurs tels que la propagation du dos, quels sont certains avantages de l'algorithme de quantification du vecteur d'apprentissage? · Le modèle est formé de manière significative plus rapide que les autres techniques de réseau neuronal comme le dos Propagation · Il est capable de résumer ou de réduire de grands ensembles de données à un plus petit nombre de vecteurs de code de code adaptés à la classification ou à la visualisation · Capable de généraliser les fonctionnalités de l'ensemble de données offrant un niveau de robustesse · peut approcher de tout problème de classification tant que les attributs peuvent Soyez comparé à l'aide d'une mesure de distance significative · Non limité dans le nombre de dimensions dans les vecteurs de CodeBook comme les techniques voisines les plus proches · La normalisation des données d'entrée n'est pas requise (normalisée peut améliorer la précision si les valeurs d'attribut varient considérablement) · Peut gérer des données avec des valeurs manquantes. Le modèle généré peut être mis à jour incrémentalww Quelques inconvénients de l'algorithme de quantification de vecteur d'apprentissage? · Il faut pouvoir générer des mesures de distance utiles pour tous les attributs (Euclidien est généralement utilisé pour les attributs numériques) · La précision du modèle dépend fortement de l'initialisation du modèle ainsi que de l'apprentissage. Paramètres utilisés (taux d'apprentissage, itérations de formation ,cetera) · La précision dépend également de la distribution de la classe dans le jeu de données de formation, une bonne distribution d'échantillons est nécessaire pour construire des modèles utiles · Il est difficile de déterminer un bon nombre de vecteurs de CodeBook pour un résolu

Algorithmes de classification Weka Logiciels associés