Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Drzewo decyzyjne" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Nadmierne dopasowanie w drzewach decyzyjnych
Excessive fit in decision trees
Autorzy:
Smaga, S.
Powiązania:
https://bibliotekanauki.pl/articles/91343.pdf
Data publikacji:
2011
Wydawca:
Warszawska Wyższa Szkoła Informatyki
Tematy:
drzewo decyzyjne
kryterium doboru testu
zbiór treningowy
kryterium losowe
kryterium entropijne
decision tree
criteria for the test selection
trining collection
random criterion
entropy criterion
Opis:
W pracy staramy się sprawdzić wpływ jaki ma dobór kryterium wyboru testu na nadmierne dopasowanie w drzewach decyzyjnych. Uważamy, że losowe kryterium doboru może okazać się nie gorsze od kryterium entropijnego. Nasze przypuszczenia potwierdzają wstępne badania wykonane dla trzech (niewielkich rozmiarów) zbiorach trenujących, co w naszej opinii zasługuje na dalsze eksperymenty.
In this paper we try to check the influence of selection criteria for the test selection for excessive fit in decision trees. We believe that a random criteria selection may not be worse than the criteria of entropy. Our supposition is confirmed by preliminary tests performed for three training sets, which in our opinion deserves further experiments.
Źródło:
Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2011, 5, 5; 75-78
1896-396X
2082-8349
Pojawia się w:
Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Porównanie wydajności i produktywności algorytmu tworzenia drzew decyzyjnych zaimplementowanego w środowiskach SPARK oraz GASPI
Performance and productivity comparison of algorithm of decision tree generation implemented in SPARK and GASPI environments
Autorzy:
Wyrzykowski, R.
Karoń, T.
Powiązania:
https://bibliotekanauki.pl/articles/91435.pdf
Data publikacji:
2016
Wydawca:
Warszawska Wyższa Szkoła Informatyki
Tematy:
chmury obliczeniowe
drzewo decyzyjne
tworzenie drzew decyzyjnych
algorytm ID3
środowisko GASPI
SPARK
porównanie
Google Compute Engine
Cloud computing
big data
decision tree generation
ID3 algorithm
GASPI environments
comparison
Opis:
W pracy zbadano wydajność i produktywność programistyczną wykorzystania chmur obliczeniowych oraz dwu odmiennych środowisk programistycznych, a mianowicie SPARK i GASPI, do równoległej implementacji algorytmów eksplorujących duże zbiory danych na przykładzie algorytmu ID3 tworzenia drzew decyzyjnych. Implementacje uruchomiono na platformie Google Compute Engine.
In this paper, the performance and programming productivity of cloud computing is explored for two different programming environments (SPARK and GASPI) applied to parallel implementation of big data problems. The ID3 algorithm of decision tree generation is selected as a test case. All the experiments are performed on the Google Compute Engine platform.
Źródło:
Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2016, 10, 15; 79-121
1896-396X
2082-8349
Pojawia się w:
Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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