Наверх
Обратно
8 800 250-06-18
Менюx
КорзинаАвторизоватьсяНаши магазиныПомощь
Моя корзина: нет товаровx
Нет товаров
Оплата и доставка
x
Ваш город: Судоверфь, вам доступны способы доставки:
  • отправка Почтой РФ (от 200 руб)
Вам доступны способы оплаты:
  • при получении заказа
  • предоплата: банковские карты, терминалы оплаты и многое другое
  • банковский перевод для физ. лиц
  • банковский перевод для юр. лиц
Авторизоваться
Судоверфь
x
Выбор города

Ваш город: Судоверфь ?

Ваш город: Судоверфьизменить )
Пункты самовывоза
Вам нравится эта книга?  
Авторизуйтесь или зарегистрируйтесьна сайте, чтобы получить доступ к уникальному рекомендательному сервису «Буквоеда»
Авторизуйтесь или зарегистрируйтесьна сайте, чтобы получить доступ к уникальному рекомендательному сервису «Буквоеда»
Авторизуйтесь или зарегистрируйтесьна сайте, чтобы получить доступ к уникальному рекомендательному сервису «Буквоеда»

Improved Predictive Clustering Tree Algorithm with Post Pruning
Prajapati Purvi, Thakkar Amit

Вы можете заказать:
Подробнее о технологии 
Экономьте до 30% с бонусными баллами! При покупке вы получите
от 379 баллов
на свой бонусный счёт. Получить баллы и скидку
Вам доступны способы доставки:
  • отправка Почтой РФ (от 200 руб)
Способы оплаты

Описание

Multi label classification is a variation of single label classification problem where each instance is associated with more than one class label. The foremost unremarkably used approach to handle multi-label classification problem is to transfer multi-label problem into single label problems, where binary classifier is learned independently for every attainable class labels. However, multi-labeled data generally exhibit relationships between labels, but multi-label classification approach fails to take such relationships under consideration. It's understood that in this type of classification, labels co-relationship should be maintain. Label co-relationships can be visualized either in tree structure hierarchies or in DAG (Directed Acyclic Graph) structure hierarchies. These hierarchical arrangement of labels maintain the hierarchical constraint that is once an instance belongs to some class that automatically belongs to all its super classes. This book presents several variations to the induction of decision tree using Predictive Clustering Tree (PCT) algorithm for Hierarchical Multi-label Classification.
далее Читать
Свернуть
   Читать далее
Год:2014
Страниц:96
ISBN:9783659242724
Формат:22.9cm x 15.2cm x 0.5cm
Код:pod 6054654
Авторы:Amit, Prajapati, Purvi, Thakkar
Тематика:Компьютерная литература

Мнения и отзывы

Авторизуйтесь или зарегистрируйтесь на сайте, чтобы оставить отзыв и получить возможность заработать 15 бонусных баллов в бонусной программе
Оставить отзыв
Спасибо
за отзыв!
Отслеживать статус можно в
«Ваших отзывах».
Оставить отзыв
Improved Predictive Clustering Tree Algorithm with Post Pruning
Improved Predictive Clustering Tree Algorithm with Post Pruning
Prajapati Purvi, Thakkar Amit
 
Авторизуйтесь, чтобы оставить свой отзыв о товаре
Общее впечатление
Вам нравится эта книга?  
Авторизуйтесь или зарегистрируйтесьна сайте, чтобы получить доступ к уникальному рекомендательному сервису «Буквоеда»
Авторизуйтесь или зарегистрируйтесьна сайте, чтобы получить доступ к уникальному рекомендательному сервису «Буквоеда»
Авторизуйтесь или зарегистрируйтесьна сайте, чтобы получить доступ к уникальному рекомендательному сервису «Буквоеда»
0 букв

Отзыв длиной более 500 букв, который будет принят модератором, принесет вам 15 баллов для участия в нашей бонусной программе!

Отзыв должен быть уникальным и содержательным: нельзя копировать отзывы, мнения и информацию с других сайтов.

Не содержать нецензурную брань.

Отзыв должен относиться к товару, на который он написан.

Без спойлеров.

Мы не рекомендуем пересказ аннотации или содержания.

Нельзя указывать ссылки на сторонние ресурсы и email адреса

Назад к написанию отзыва
×
x

Если Вы обнаружили ошибку в описании товара «Improved Predictive Clustering Tree Algorithm with Post Pruning» Prajapati Purvi, Thakkar Amit, выделите её мышкой и нажмите: Ctrl+Enter. Спасибо!

©2006-2018, ООО «Буквоед»
8 800 250-06-18

Спасибо за ваше обращение.
Его номер - .

Ответ будет направлен на указанную почту в ближайшее время.

x
x