2011, ISBN: 3639340140

[EAN: 9783639340143], Neubuch, [PU: VDM Verlag Dr. Müller], nach der Bestellung gedruckt Neuware - Inkrementelle Lernalgorithmen ziehen die Information für den Aufbau eines Voraussagemode… Plus…

[EAN: 9783639340143], Neubuch, [PU: VDM Verlag Dr. Müller], nach der Bestellung gedruckt Neuware - Inkrementelle Lernalgorithmen ziehen die Information für den Aufbau eines Voraussagemodells aus einem Datenstrom. Sie basieren auf der impliziten Annahme, dass sich das den Daten zugrundeliegende Modell nicht ändert. Dies ist jedoch in vielen Anwendungen nicht gegeben, was als Concept Drift Verhalten bezeichnet wird. Dies hat zur Folge, dass das Voraussagemodell angepasst werden muss. Im vorliegenden Buch wird ein neuer Lösungsansatz für dieses Problems erarbeitet. Als Erstes werden synthetische Datensätze definiert, welche die Möglichkeit bieten, gezielt Concept Drifts zu simulieren. Anschliessend werden Benchmarks erstellt, welche die optimale Lösung für das Problem darstellen. Zusätzlich führen wir ein Entropiemass ein, welches Concept Drifts abbilden kann. Es wird untersucht, ob es eine Korrelation zwischen dem Entropiemass und dem Benchmark gibt. Abschliessend wird gezeigt, wie ein Algorithmus anhand dieser Korrelation dynamisch auf Concept Drifts reagieren kann. 108 pp. Deutsch, Books<

2011, ISBN: 9783639340143

[ED: Softcover], [PU: VDM Verlag Dr. Müller], Inkrementelle Lernalgorithmen ziehen die Information für den Aufbau eines Voraussagemodells aus einem Datenstrom. Sie basieren auf der impliz… Plus…

[ED: Softcover], [PU: VDM Verlag Dr. Müller], Inkrementelle Lernalgorithmen ziehen die Information für den Aufbau eines Voraussagemodells aus einem Datenstrom. Sie basieren auf der impliziten Annahme, dass sich das den Daten zugrundeliegende Modell nicht ändert. Dies ist jedoch in vielen Anwendungen nicht gegeben, was als Concept Drift Verhalten bezeichnet wird. Dies hat zur Folge, dass das Voraussagemodell angepasst werden muss. Im vorliegenden Buch wird ein neuer Lösungsansatz für dieses Problems erarbeitet. Als Erstes werden synthetische Datensätze definiert, welche die Möglichkeit bieten, gezielt Concept Drifts zu simulieren. Anschliessend werden Benchmarks erstellt, welche die optimale Lösung für das Problem darstellen. Zusätzlich führen wir ein Entropiemass ein, welches Concept Drifts abbilden kann. Es wird untersucht, ob es eine Korrelation zwischen dem Entropiemass und dem Benchmark gibt. Abschliessend wird gezeigt, wie ein Algorithmus anhand dieser Korrelation dynamisch auf Concept Drifts reagieren kann. 2011. 108 S. Versandfertig in 6-10 Tagen, DE, [SC: 0.00], Neuware, gewerbliches Angebot, Offene Rechnung (Vorkasse vorbehalten)<

ISBN: 9783639340143

Inkrementelle Lernalgorithmen ziehen die Information für den Aufbau eines Voraussagemodells aus einem Datenstrom. Sie basieren auf der impliziten Annahme, dass sich das den Daten zugrunde… Plus…

Inkrementelle Lernalgorithmen ziehen die Information für den Aufbau eines Voraussagemodells aus einem Datenstrom. Sie basieren auf der impliziten Annahme, dass sich das den Daten zugrundeliegende Modell nicht ändert. Dies ist jedoch in vielen Anwendungen nicht gegeben, was als Concept Drift Verhalten bezeichnet wird. Dies hat zur Folge, dass das Voraussagemodell angepasst werden muss. Im vorliegenden Buch wird ein neuer Lösungsansatz für dieses Problems erarbeitet. Als Erstes werden synthetische Datensätze definiert, welche die Möglichkeit bieten, gezielt Concept Drifts zu simulieren. Anschliessend werden Benchmarks erstellt, welche die optimale Lösung für das Problem darstellen. Zusätzlich führen wir ein Entropiemass ein, welches Concept Drifts abbilden kann. Es wird untersucht, ob es eine Korrelation zwischen dem Entropiemass und dem Benchmark gibt. Abschliessend wird gezeigt, wie ein Algorithmus anhand dieser Korrelation dynamisch auf Concept Drifts reagieren kann. Buch 22.0 x 15.0 x 0.6 cm , VDM, Martin Constam, VDM, Con<

ISBN: 3639340140

Maschinelles Lernen - Wie reagiere ich auf Veränderungen des Modells? ab 49 € als Taschenbuch: Dynamische Regelung inkrementeller Algorithmen unter dem Einfluss von Concept Drifts. Aus de… Plus…

Maschinelles Lernen - Wie reagiere ich auf Veränderungen des Modells? ab 49 € als Taschenbuch: Dynamische Regelung inkrementeller Algorithmen unter dem Einfluss von Concept Drifts. Aus dem Bereich: Bücher, Ratgeber, Computer & Internet, Medien > Bücher, VDM Verlag Dr. Müller<

2011, ISBN: 9783639340143

Vdm Verlag Dr. M 2011. Paperback. New. German language., Vdm Verlag Dr. M, 2011, 6