Multi-Objective Machine Learning
Yaochu Jin
јун. 2007 г. · Springer Science & Business Media
5,0star
3 рецензииreport
Е-книга
660
Страници
reportОцените и рецензиите не се потврдени Дознајте повеќе
За е-книгава
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.
Оцени и рецензии
5,0
3 рецензии
Оценете ја е-книгава
Кажете ни што мислите.
Информации за читање
Паметни телефони и таблети
Инсталирајте ја апликацијата Google Play Books за Android и iPad/iPhone. Автоматски се синхронизира со сметката и ви овозможува да читате онлајн или офлајн каде и да сте.
Лаптопи и компјутери
Може да слушате аудиокниги купени од Google Play со користење на веб-прелистувачот на компјутерот.
Е-читачи и други уреди
За да читате на уреди со е-мастило, како што се е-читачите Kobo, ќе треба да преземете датотека и да ја префрлите на уредот. Следете ги деталните упатства во Центарот за помош за префрлање на датотеките на поддржани е-читачи.
