Отрывок: Чем больше деревьев, тем лучше качество, но время настройки и работы Random forest (RF) также пропорционально увеличиваются. Чем меньше глубина, тем быстрее строится и работает RF. При увеличении глубины резко возрастает качество на обучении, но и на контроле оно, как правило, увеличивается. Основными параметрами, влияющими на результат обучения являются: число деревьев, макс...
Название : | АЛГОРИТМЫ КЛАСТЕРИЗАЦИИ В ЗАДАЧАХ ОБРАБОТКИ ДАННЫХ БОЛЬШОГО ОБЪЕМА |
Авторы/Редакторы : | Чигарина, Е.И Шеремеев, М.И |
Дата публикации : | Апр-2018 |
Издательство : | Издательство Самарского научного центра |
Библиографическое описание : | Перспективные информационные технологии (ПИТ 2018) [Электронный ресурс]: труды Международной научно-технической конференции / под ред. С.А. Прохорова. – Электрон. текстовые и граф. дан. (34,4 Мбайт). – Самара: Издательство Самарского научного центра РАН, 2018. – С. 229-231 |
URI (Унифицированный идентификатор ресурса) : | http://repo.ssau.ru/handle/Perspektivnye-informacionnye-tehnologii/ALGORITMY-KLASTERIZACII-V-ZADAChAH-OBRABOTKI-DANNYH-BOLShOGO-OBEMA-70849 |
ISSN : | 978-5-93424-817-9 |
Другие идентификаторы : | Dspace\SGAU\20180712\70849 |
УДК: | 004 |
Располагается в коллекциях: | Перспективные информационные технологии |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
АЛГОРИТМЫ КЛАСТЕРИЗАЦИИ В ЗАДАЧАХ ОБРАБОТКИ ДАННЫХ БОЛЬШОГО ОБЪЕМА.pdf | 297.7 kB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.