Multi-Objective Machine Learning
Yaochu Jin
cze 2007 · Studies in Computational Intelligence Część 16 · Springer Science & Business Media
5,0star
3 opiniereport
E-book
660
Strony
reportOceny i opinie nie są weryfikowane. Więcej informacji
Informacje o e-booku
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.
Oceny i opinie
5,0
3 opinie
Oceń tego e-booka
Podziel się z nami swoją opinią.
Informacje o czytaniu
Smartfony i tablety
Zainstaluj aplikację Książki Google Play na Androida i iPada/iPhone'a. Synchronizuje się ona automatycznie z kontem i pozwala na czytanie w dowolnym miejscu, w trybie online i offline.
Laptopy i komputery
Audiobooków kupionych w Google Play możesz słuchać w przeglądarce internetowej na komputerze.
Czytniki e-booków i inne urządzenia
Aby czytać na e-papierze, na czytnikach takich jak Kobo, musisz pobrać plik i przesłać go na swoje urządzenie. Aby przesłać pliki na obsługiwany czytnik, postępuj zgodnie ze szczegółowymi instrukcjami z Centrum pomocy.
