Machine Leerkader MACHINE LERING Framework - Een verzameling krachtige machine-leeralgoritmen geïntegreerd in een raamwerk
Download nu

Machine Leerkader Rangschikking & Samenvatting

Machine Leerkader Tags

leren kader gegevensanalyse wiskunde leerkader- Mathematica-algorythm

Machine Leerkader Beschrijving

Machinekader - een verzameling krachtige machine-leeralgoritmen geïntegreerd in een raamwerk Het machinekader voor Mathematica is een verzameling van krachtige algoritmen voor machineerleren geïntegreerd in een kader voor het hoofddoel van data-analyse. Fuzzy Logic is een van de belangrijkste technieken. Het framework maakt het mogelijk om algoritmen met verschillende machine te combineren om één probleem op te lossen. Deze combinatie van verschillende algoritmen kan de gebruiker onvoorziene inzichten in zijn gegevens geven. De algoritmen zijn zeer parameterspelabel. Gezien deze parameteriseerbaarheid in combinatie met de efficiënte kernmotor van het machinekader voor Wiskunde, kan de gebruiker hun gegevens interactief analyseren, met korte cycli van het wijzigen van parameterinstellingen en het onderzoeken van de resultaten. Het leertoestel van de machine voor wiskundige maakt een groot aantal beschikbaar van het leren van machine-leeralgoritmen die kunnen worden berekend om samen te werken en daarom nieuwe resultaten op te leveren. Hier zijn enkele belangrijke kenmerken van "Machine Learning Framework": gecontroleerde analyse · Uzzzy-besluitbomen: FS-ID3, een fuzzy-variant van het ID3-leeralgoritme om te creëren Besluitbomen · Fuzzy-regelgeneratie: FS-FOLIE, een fuzzy-variant van de foliemethode van Quinlan · Clusterbeschrijvingen: FS-MINER, een eigen methode om clusterbeschrijvingen te vinden · Optimalisatie van fuzzy-controllers: Reno, een eigen methode, die numerieke optimalisatie wordt gebruikt Zoek computationeel accurate en robuuste fuzzy-regels · Ridge regressie: regressie met ingebouwde functieselectie. Unsupervised Analyse · Zelforganiserende kaarten: maak tweedimensionale percelen van hoge dimensionale gegevenssets, preproces grote en lawaaierige datasets, herinner (een of meer) ontbrekende waarden in de gegevens · Fuzzy C-middelen: creëert een fuzzy segmentatie van de gegevens · Ward Clustering: een heldere, agglomeratieve clusteringmethode Aanvullende functies · Krachtige functies voor routinematige taken · Geautomatiseerde modeltesten · ODBC-gegevens importeren · Geavanceerde gegevensvisualisatie · Fuzzy Logic (met verschillende typen fuzzy sets en T-NORMEN) · Fuzzy-inferentie (Mamdani , Sugeno, Tagaki-Sugeno-Kang) Vereisten: · Mathematica 5.2 (of later). Wat is er nieuw in deze release: · MLF is aangepast voor Mathematica 6.0 · Een belangrijk geheugenlek in de MLF-kernel was aangesloten, de prestaties aanzienlijk verbeteren in bepaalde gevallen.

Machine Leerkader Gerelateerde software