Multi-Objective Machine Learning
Yaochu Jin
2007. jún. · Studies in Computational Intelligence 16. kötet · Springer Science & Business Media
5,0star
3 véleményreport
E-könyv
660
Oldalak száma
reportAz értékelések és vélemények nincsenek ellenőrizve További információ
Információk az e-könyvről
Recently, increasing interest has been shown in applying the concept of Pareto-optimality to machine learning, particularly inspired by the successful developments in evolutionary multi-objective optimization. It has been shown that the multi-objective approach to machine learning is particularly successful to improve the performance of the traditional single objective machine learning methods, to generate highly diverse multiple Pareto-optimal models for constructing ensembles models and, and to achieve a desired trade-off between accuracy and interpretability of neural networks or fuzzy systems. This monograph presents a selected collection of research work on multi-objective approach to machine learning, including multi-objective feature selection, multi-objective model selection in training multi-layer perceptrons, radial-basis-function networks, support vector machines, decision trees, and intelligent systems.
Értékelések és vélemények
5,0
3 vélemény
E-könyv értékelése
Mondd el a véleményedet.
Olvasási információk
Okostelefonok és táblagépek
Telepítsd a Google Play Könyvek alkalmazást Android- vagy iPad/iPhone eszközre. Az alkalmazás automatikusan szinkronizálódik a fiókoddal, így bárhol olvashatsz online és offline állapotban is.
Laptopok és számítógépek
A Google Playen vásárolt hangoskönyveidet a számítógép böngészőjében is meghallgathatod.
E-olvasók és más eszközök
E-tinta alapú eszközökön (például Kobo e-könyv-olvasón) való olvasáshoz le kell tölteni egy fájlt, és átvinni azt a készülékre. A Súgó részletes utasításait követve lehet átvinni a fájlokat a támogatott e-könyv-olvasókra.
