Quadro de aprendizado de máquina Framework de Aprendizagem de Máquinas - uma coleção de algoritmos poderosos de aprendizagem de máquina integrados em uma estrutura
Baixe Agora

Quadro de aprendizado de máquina Classificação e resumo

Quadro de aprendizado de máquina Tag

aprender estrutura análise de dados matemática Enquadramento de Aprendizagem Mathematica Algorthm.

Quadro de aprendizado de máquina Descrição

Quadro de aprendizagem de máquinas - uma coleção de algoritmos poderosos de aprendizagem de máquina integrados em um quadro A estrutura de aprendizagem de máquinas para o Mathematica é uma coleção de algoritmos poderosos de aprendizagem de máquina integrados em uma estrutura para o objetivo principal da análise de dados.Fuzzy Logic é uma de suas principais técnicas. A estrutura permite combinar algoritmos de aprendizado de máquina diferentes para resolver um único problema. Essa combinação de algoritmos distintos pode dar aos insights imprevistos do usuário em seus dados. Os algoritmos são altamente parametrizáveis. Dada esta parametrização combinada com o mecanismo núcleo eficiente da estrutura de aprendizagem de máquina para o Mathematica, o usuário é capaz de analisar seus dados interativamente, com ciclos curtos de alteração de configurações de parâmetros e examinar os resultados. A estrutura de aprendizado de máquina para o Mathematica disponibiliza um grande número de algoritmos de aprendizagem de máquinas que podem ser computados para trabalhar juntos e, portanto, produzir novos resultados.here são algumas características-chave de "framework de aprendizado de máquina": Análise supervisionada · Árvores de decisão Uzzy: FS-ID3, uma variante fuzzy do algoritmo de aprendizagem ID3 para criar Árvores de decisão · Fuzzy Regra Generation: FS-Foil, uma variante fuzzy do método de folha de quinlan · Descrições de cluster: FS-Miner, um método proprietário para encontrar descrições de cluster · Otimização de controladores fuzzy: Reno, um método proprietário, que usa otimização numérica para Encontre regras difusas e confiáveis computacionalmente e robustas · Regressão de Ridge: Regressão com seleção de recurso integrada. Análise não supervisionada · Mapas de auto-organização: Criar parcelas bidimensionais de conjuntos de dados dimensionais, pré-processados de dados grandes e barulhentos pré-processados, recordar (um ou mais) valores ausentes nos dados · Fuzzy C-meios: Cria uma segmentação fuzzy dos dados · Clustering da ala: um método de aglomerado de aglomerativo, funções poderosas para tarefas de rotina · Teste de modelo automatizado · Importação de dados ODBC · Visualização de dados avançada · Lógica Fuzzy (usando diferentes tipos de conjuntos fuzzy e normas T) · Inferência Fuzzy (Mamdani , Sugeno, Tagaki-Sugeno-Kang) Requisitos: · Mathematica 5.2 (ou posterior). O que há de novo nesta versão: · MLF foi adaptado para o Mathematica 6.0 · Um vazamento de memória importante no kernel MLF foi conectado, aumentando consideravelmente o desempenho em certos casos.

Quadro de aprendizado de máquina Software Relacionado