Name: Selezione di sintomi importanti per i set di dati medici (en Italiano)
Price: 59210.00 CLP
Availability: InStock
Author: Mahmood, Noor T. ; Abdul-Rahman, Maha ; Abdallah, Rusul
ISBN: 9786205325452

portada Selezione di sintomi importanti per i set di dati medici (en Italiano)

Formato

Libro Físico

Autor

Editorial

Idioma

Italiano

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.3 cm

Peso

0.09 kg.

ISBN13

9786205325452

Selezione di sintomi importanti per i set di dati medici (en Italiano)

Noor T. Mahmood (Autor) · Maha Abdul-Rahman (Autor) · Rusul Abdallah (Autor) · Edizioni Sapienza · Tapa Blanda

Libro Nuevo

$ 59.210

$ 82.230

Ahorras: $ 23.020

28% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Miércoles 24 de Julio y el Miércoles 31 de Julio.

Lo recibirás en cualquier lugar de Chile entre 1 y 3 días hábiles luego del envío.

Reseña del libro "Selezione di sintomi importanti per i set di dati medici (en Italiano)"

La selezione di caratteristiche ottimali è un'importante area di ricerca nei sistemi di data mining medico. In questa ricerca viene introdotta una procedura efficiente - selezione del sottoinsieme di caratteristiche, classificazione e classificazione delle caratteristiche - chiamata Analisi delle Componenti Principali basata sul metodo JK per migliorare l'accuratezza del rilevamento e la selezione del sottoinsieme di caratteristiche ottimali. Il metodo proposto regola un parametro denominato "copertura della varianza" e costruisce il modello con il valore al quale si ottiene la massima accuratezza di classificazione. Ciò facilita la selezione di un insieme compatto di caratteristiche di qualità superiore, a un costo molto basso. L'ampio confronto sperimentale tra il metodo proposto e altri metodi utilizzando tre diversi classificatori (Naïve Bayes (NB), perceptron multistrato (MLP) e albero decisionale J48) e 6 diversi set di dati medici può confermare che la strategia proposta (PCA-JK) dà risultati promettenti sulla selezione delle caratteristiche e sull'accuratezza della classificazione per il campo di ricerca del data mining medico.