Отрывок: е. примерно N e прецедентов не войдут в неё вообще. Построим решающее дерево, которое классифицирует прецеденты данной подвыборки, причём в ходе создания нового узла дерева будем выбирать признак, на основе которого производится разбиение, не из всех M признаков, а только из m случайно выбранных. Наилучший из этих m признаков может выбираться р...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Ситникова, Н.В. | - |
dc.contributor.author | Парингер, Р.А. | - |
dc.contributor.author | Куприянов, А.В. | - |
dc.date.accessioned | 2016-12-19 15:53:43 | - |
dc.date.available | 2016-12-19 15:53:43 | - |
dc.date.issued | 2016 | - |
dc.identifier | Dspace\SGAU\20161219\60924 | ru |
dc.identifier.citation | Материалы Международной конференции и молодёжной школы «Информационные технологии и нанотехнологии», с. 1096-1099 | ru |
dc.identifier.isbn | 978-5-7883-1078-7 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Sravnitelnoe-issledovanie-algoritmov-klassifikacii-bolshih-obemov-dannyh-60924 | - |
dc.description.abstract | Приводится краткий обзор двух методов классификации: метод ближайшего соседа и случайный лес. Оба метода реализованы с помощью технологии MapReduce, с целью применения к большим объемам данных. Приводится сравнительный анализ результатов, полученных на тестовых данных Heterogeneity Activity Recognition Data Set из репозитория UCI. | ru |
dc.language.iso | rus | ru |
dc.publisher | Издательство СГАУ | ru |
dc.subject | классификация | ru |
dc.subject | большие данные | ru |
dc.subject | параллельные вычисления | ru |
dc.subject | MapReduce | ru |
dc.subject | BigData | ru |
dc.title | Сравнительное исследование алгоритмов классификации больших объемов данных | ru |
dc.type | Article | ru |
dc.textpart | е. примерно N e прецедентов не войдут в неё вообще. Построим решающее дерево, которое классифицирует прецеденты данной подвыборки, причём в ходе создания нового узла дерева будем выбирать признак, на основе которого производится разбиение, не из всех M признаков, а только из m случайно выбранных. Наилучший из этих m признаков может выбираться р... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
1096-1099.pdf | Основная статья | 289.01 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.