Multi-Objective Machine Learning
Yaochu Jin
ஜூன் 2007 · Studies in Computational Intelligence புத்தகம் 16 · Springer Science & Business Media
5.0star
3 கருத்துகள்report
மின்புத்தகம்
660
பக்கங்கள்
reportரேட்டிங்குகளும் கருத்துகளும் சரிபார்க்கப்படுவதில்லை மேலும் அறிக
இந்த மின்புத்தகத்தைப் பற்றி
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.
மதிப்பீடுகளும் மதிப்புரைகளும்
5.0
3 கருத்துகள்
இந்த மின்புத்தகத்தை மதிப்பிடுங்கள்
உங்கள் கருத்தைப் பகிரவும்.
படிப்பது குறித்த தகவல்
ஸ்மார்ட்ஃபோன்கள் மற்றும் டேப்லெட்கள்
Android மற்றும் iPad/iPhoneக்கான Google Play புக்ஸ் ஆப்ஸை நிறுவும். இது தானாகவே உங்கள் கணக்குடன் ஒத்திசைக்கும் மற்றும் எங்கிருந்தாலும் ஆன்லைனில் அல்லது ஆஃப்லைனில் படிக்க அனுமதிக்கும்.
லேப்டாப்கள் மற்றும் கம்ப்யூட்டர்கள்
Google Playயில் வாங்கிய ஆடியோ புத்தகங்களை உங்கள் கம்ப்யூட்டரின் வலை உலாவியில் கேட்கலாம்.
மின்வாசிப்பு சாதனங்கள் மற்றும் பிற சாதனங்கள்
Kobo இ-ரீடர்கள் போன்ற இ-இங்க் சாதனங்களில் படிக்க, ஃபைலைப் பதிவிறக்கி உங்கள் சாதனத்திற்கு மாற்றவும். ஆதரிக்கப்படும் இ-ரீடர்களுக்கு ஃபைல்களை மாற்ற, உதவி மையத்தின் விரிவான வழிமுறைகளைப் பின்பற்றவும்.
