Significant improvement of model stability and prediction accuracy in classification
and regression can be obtained by using the multiple model approach. In classification multiple
models are built on the basis of training subsets (selected from the training set) and combined
into an ensemble or a committee. Then the component models (classification trees) determine
the predicted class by voting.
In this paper some problems of feature selection for ensembles will be discussed. We
propose a new correlation-based feature selection method combined with the wrapper approach.
Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies
Informacja
SZANOWNI CZYTELNICY!
UPRZEJMIE INFORMUJEMY, ŻE BIBLIOTEKA FUNKCJONUJE W NASTĘPUJĄCYCH GODZINACH:
Wypożyczalnia i Czytelnia Główna: poniedziałek – piątek od 9.00 do 19.00