Оптимальное квантование для повышения качества бинарных классификаторов

В статье рассматривается задача оптимального квантования и ее более общий случай – формирование конечных классов с целью предобработки выборок в машинном обучении для повышения качества бинарных классификаторов. На примере решения открытой конкурсной задачи показано, что предварительное формирова...

Повний опис

Збережено в:

Бібліографічні деталі
Видавець:	Інститут проблем штучного інтелекту МОН України та НАН України
Дата:	2013
Автори:	Паклин, Н.Б., Афанасьев, В.В.
Формат:	Стаття
Мова:	Russian
Опубліковано:	Інститут проблем штучного інтелекту МОН України та НАН України 2013
Назва видання:	Искусственный интеллект
Теми:	Интеллектуальные системы планирования, управления, моделирования и принятия решений
Онлайн доступ:	http://dspace.nbuv.gov.ua/handle/123456789/85110
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Цитувати:	Оптимальное квантование для повышения качества бинарных классификаторов / Н.Б. Паклин, В.В. Афанасьев // Искусственный интеллект. — 2013. — № 4. — С. 392–399. — Бібліогр.: 5 назв. — рос.

Репозиторії

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-85110
record_format	dspace
spelling	irk-123456789-851102015-07-20T03:01:54Z Оптимальное квантование для повышения качества бинарных классификаторов Паклин, Н.Б. Афанасьев, В.В. Интеллектуальные системы планирования, управления, моделирования и принятия решений В статье рассматривается задача оптимального квантования и ее более общий случай – формирование конечных классов с целью предобработки выборок в машинном обучении для повышения качества бинарных классификаторов. На примере решения открытой конкурсной задачи показано, что предварительное формирование конечных классов позволяет построить эффективные классификаторы даже с применением относительно простых средств интеллектуального анализа данных, таких как логистическая регрессия. У статті розглядається задача оптимального квантування і її більш загальний випадок - формування кінцевих класів з метою предобрабки вибірок у машинному навчанні для підвищення якості бінарних класифікаторів. На прикладі рішення відкритого конкурсного завдання показано, що попереднє формування кінцевих класів дозволяє побудувати ефективні класифікатори навіть із застосуванням відносно простих засобів інтелектуального аналізу даних, таких як логістична регресія. In the article the task of optimal quantization and its more general case – coarse classing for the purpose of sample data transforming in machine learning to improve the quality of binary classifiers. On the example of an open competition is shown that fine and coarse classing procedures allows build effective classifiers, even with a relatively simple data mining tools, such as logistic regression. 2013 Article Оптимальное квантование для повышения качества бинарных классификаторов / Н.Б. Паклин, В.В. Афанасьев // Искусственный интеллект. — 2013. — № 4. — С. 392–399. — Бібліогр.: 5 назв. — рос. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/85110 519.4 ru Искусственный интеллект Інститут проблем штучного інтелекту МОН України та НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
topic	Интеллектуальные системы планирования, управления, моделирования и принятия решений Интеллектуальные системы планирования, управления, моделирования и принятия решений
spellingShingle	Интеллектуальные системы планирования, управления, моделирования и принятия решений Интеллектуальные системы планирования, управления, моделирования и принятия решений Паклин, Н.Б. Афанасьев, В.В. Оптимальное квантование для повышения качества бинарных классификаторов Искусственный интеллект
description	В статье рассматривается задача оптимального квантования и ее более общий случай – формирование конечных классов с целью предобработки выборок в машинном обучении для повышения качества бинарных классификаторов. На примере решения открытой конкурсной задачи показано, что предварительное формирование конечных классов позволяет построить эффективные классификаторы даже с применением относительно простых средств интеллектуального анализа данных, таких как логистическая регрессия.
format	Article
author	Паклин, Н.Б. Афанасьев, В.В.
author_facet	Паклин, Н.Б. Афанасьев, В.В.
author_sort	Паклин, Н.Б.
title	Оптимальное квантование для повышения качества бинарных классификаторов
title_short	Оптимальное квантование для повышения качества бинарных классификаторов
title_full	Оптимальное квантование для повышения качества бинарных классификаторов
title_fullStr	Оптимальное квантование для повышения качества бинарных классификаторов
title_full_unstemmed	Оптимальное квантование для повышения качества бинарных классификаторов
title_sort	оптимальное квантование для повышения качества бинарных классификаторов
publisher	Інститут проблем штучного інтелекту МОН України та НАН України
publishDate	2013
topic_facet	Интеллектуальные системы планирования, управления, моделирования и принятия решений
url	http://dspace.nbuv.gov.ua/handle/123456789/85110
citation_txt	Оптимальное квантование для повышения качества бинарных классификаторов / Н.Б. Паклин, В.В. Афанасьев // Искусственный интеллект. — 2013. — № 4. — С. 392–399. — Бібліогр.: 5 назв. — рос.
series	Искусственный интеллект
work_keys_str_mv	AT paklinnb optimalʹnoekvantovaniedlâpovyšeniâkačestvabinarnyhklassifikatorov AT afanasʹevvv optimalʹnoekvantovaniedlâpovyšeniâkačestvabinarnyhklassifikatorov
first_indexed	2023-10-18T19:30:23Z
last_indexed	2023-10-18T19:30:23Z
_version_	1796147146010918912

Оптимальное квантование для повышения качества бинарных классификаторов

Репозиторії

Схожі ресурси