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.pdf297.7 kBAdobe PDFПросмотреть/Открыть
Показать полное описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.