 | خوارزميات تصنيف Weka |
| التحميل الان | |
خوارزميات تصنيف Weka الترتيب والملخص
الإعلانات
خوارزميات تصنيف Weka العلامات
خوارزميات تصنيف Weka وصف
خوارزميات تصنيف Weka هي مكون رأس Weka. خوارزميات تصنيف Weka هي برنامج Weka Plug-in.It يوفر تنفيذ عدد من خوارزميات التصنيف القائم على الشبكة العصبية (ANN) والمناعية (AIS) من أجل Weka (بيئة Waikato لتحليل المعرفة) Workbench. تم اختياره لتنفيذ الخوارزميات المختارة لأنني أعتقد أنها قطعة ممتازة من البرامج المجانية. مطلوب مشروع Weka لتشغيل الخوارزميات المقدمة في هذا المشروع، وهي مدرجة في التنزيل. هذا مشروع مفتوح المصدر (تم إصداره تحت GPL)، وبالتالي فإن التعليمات البرمجية المصدر متاحة .الشرج: تقييم مقياس ناقلات التعلم (LVQ) خريطة تنظيم ذاتية (SOM) الشبكة العصبية الاصطناعية للأغذية (FF-Ann) اصطناعي نظام التعرف المناعي (AIRS) خوارزمية اختيار Clonal (Clonalg) immunos-81 ما هي تعلم كمية من نوع متجه؟ قال خوارزمية التعلم التنافسية لتكون نسخة خاضعة للإشراف من خوارزمية التنظيم الذاتي (SOM) خوارزمية كوهونين هو تقريب توزيع الفصل باستخدام عدد مخفضات من ناقلات CodeBook حيث تسعى الخوارزمية إلى تقليل أخطاء التصنيف أنصرفات Codebook تصبح exemplars لفئة معينة - محاولة تمثيل حدود الطبقة الخوارزمية لا تقوم بإنشاء طلب طبوغرافي ل DataSet (لا يوجد مفهوم حي صريح في LVQ حيث يوجد في خوارزمية سوم) اقترح خوارزمية كوهونين في عام 1986 كتحسين على كمية متجهية المسمى يرتبط Lgorithm مع فئة الشبكة العصبية من خوارزميات التعلم، على الرغم من أن تعمل بشكل مختلف بشكل ملحوظ مقارنة بشبكات التغذية التقليدية مثل الانتشار الخلفي ما هي بعض مزايا خوارزمية قياس ناقلات التعلم؟ يتم تدريب النموذج بشكل ملحوظ بشكل ملحوظ من تقنيات الشبكة العصبية الأخرى الانتشار إنه قادر على تلخيص أو تقليل مجموعات البيانات الكبيرة إلى عدد أصغر من ناقلات Codebook مناسبة للتصنيف أو التصور قادرة على تعميم الميزات في مجموعة البيانات التي توفر مستوى من المتانة يمكن أن تقريب عن أي مشكلة تصنيف طالما يمكن السمات يتم مقارنة باستخدام مقياس مسافة ذات مغزى غير محدود في عدد الأبعاد في متجاورات CodeBook مثل أقرب تقنيات الجيران لا يلزم تطبيع بيانات الإدخال (قد يحسن من طبقة الدقة إذا تختلف قيم السمة بشكل كبير) يمكن التعامل مع البيانات مع القيم المفقودة يمكن تحديث النموذج الذي تم إنشاؤه تدريجيا القبعة بعض عيوب خوارزمية كمية التعلم من نوع متجه؟ يجب أن تكون قادرا على توليد تدابير مفيدة للمسافات بالنسبة لجميع السمات (عادة ما يستخدم euclidean للسمات الرقمية) دقة النموذج تعتمد اعتمادا كبيرا على تهيئة النموذج وكذلك التعلم المعلمات المستخدمة (معدل التعلم والتكرارات التدريبية، إلكترونية) الدقة تعتمد أيضا على توزيع الفصل في مجموعة بيانات التدريب، هناك حاجة إلى توزيع جيد للعينات لبناء نماذج مفيدة من الصعب تحديد عدد جيد من ناقلات Codebook ل مشكلة معينة
خوارزميات تصنيف Weka برامج ذات صلة
