Maschinenlernrahmen. Machine Lernrahmen - Eine Sammlung leistungsstarker Maschinenlernen-Algorithmen, die in einen Rahmen integriert sind
Jetzt downloaden

Maschinenlernrahmen. Ranking & Zusammenfassung

Maschinenlernrahmen. Stichworte

lernen Rahmen Datenanalyse mathematica Lernrahmen Mathematica Algorythm.

Maschinenlernrahmen. Beschreibung

Machine Lernrahmen - Eine Sammlung von leistungsstarken Maschinenlernen-Algorithmen, die in einen Rahmen integriert sind Der Machine Lernrahmen für Mathematica ist eine Sammlung von leistungsstarken Maschinenlernen-Algorithmen, die in einen Rahmen für den Hauptzweck der Datenanalyse integriert sind.Fuzzy-Logik ist eine der Tastaturtechniken. Das Framework ermöglicht es, verschiedene Maschinenlernen-Algorithmen zu kombinieren, um ein einziges Problem zu lösen. Diese Kombination verschiedener Algorithmen kann dem Benutzer unvorhergesehene Erkenntnisse in seine Daten geben. Die Algorithmen sind hoch parametrierbar. Angesichts dieser Parametrisierbarkeit in Kombination mit dem effizienten Kernmotor des Maschinenlernrahmens für Mathematica kann der Benutzer ihre Daten interaktiv analysieren, mit kurzen Zyklen der Änderung der Parametereinstellungen und der Untersuchung der Ergebnisse.Das maschinelle Lernrahmen für Mathematica stellt eine große Anzahl zur Verfügung von Maschinenlernen-Algorithmen, die berechnet werden können, um zusammenzuarbeiten und daher neue Ergebnisse zu ergeben Entscheidungsbäume · Fuzzy-Regelerzeugung: FS-Folie, eine Fuzzy-Variante der Folienmethode von Quinlan · Clusterbeschreibungen: FS-Miner, ein proprietäres Verfahren zur Suche von Clusterbeschreibungen · Optimierung von Fuzzy-Controllern: Reno, eine proprietäre Methode, die numerische Optimierung von Finden Sie rechnerisch genaue und robuste Fuzzy-Regeln · Ridge Regression: Regression mit integrierter Merkmalsauswahl. Unbeutete Analyse · Selbstorganisierende Karten: Erstellen Sie zweidimensionale Diagramme mit hochdimensionalen Datensätzen, Vorverarbeitung großer und lauter Datensätze, Rückruf (ein oder mehrere) fehlende Werte in den Daten · Fuzzy C-Mittel: Erstellt eine Fuzzy-Segmentierung der Daten · Ward Clustering: Eine knackige, agglomerative Clustering-Methode Zusätzliche Funktionen · Leistungsstarke Funktionen für Routineaufgaben · Automatisierte Modellprüfung · ODBC-Datenimport · Erweiterte Datenvisualisierung · Fuzzy-Logik (mit verschiedenen Arten von Fuzzy-Sets und T-Normen) · Fuzzy-Inferenz (Mamdani , Sugeno, Tagaki-Sugeno-Kang) Anforderungen: · Mathematica 5.2 (oder höher). Was ist neu in dieser Version: · MLF wurde für Mathematica 6.0 angepasst · Ein Hauptspeicherleck im MLF-Kernel wurde verstopft, was die Leistung in bestimmten Fällen erheblich verbessert.

Maschinenlernrahmen. Zugehörige Software