기계 학습 프레임 워크 기계 학습 프레임 워크 - 프레임 워크에 통합 된 강력한 기계 학습 알고리즘 모음
지금 다운로드

기계 학습 프레임 워크 순위 및 요약

기계 학습 프레임 워크 태그

배우다 뼈대 데이터 분석 수학 학습 프레임 워크 Mathematica Algorythm.

기계 학습 프레임 워크 설명

기계 학습 프레임 워크 - 프레임 워크에 통합 된 강력한 기계 학습 알고리즘 모음 Mathematica 용 기기 학습 프레임 워크는 데이터 분석의 주요 목적을위한 프레임 워크에 통합 된 강력한 기계 학습 알고리즘의 모음입니다 .Fuzzy Logic은 주요 기술 중 하나입니다. 프레임 워크는 다른 기계 학습 알고리즘을 결합하여 하나의 단일 문제를 해결할 수 있습니다. 이러한 별개의 알고리즘의 결합은 사용자에게 예기치 않은 통찰력을 해당 데이터에 제공 할 수 있습니다. 알고리즘은 매우 매개 변수화 가능합니다. 이 매개 변수가 Mathematica 용 Machine Learning Framework의 효율적인 핵심 엔진과 결합 된이 사용자는 매개 변수 설정을 변경하고 결과를 검사하는 짧은주기로 사용자를 대화식으로 분석 할 수 있습니다. Mathematica 용 기계 학습 프레임 워크가 많은 수를 사용합니다. 계산 될 수있는 기계 학습 알고리즘은 새로운 결과를 산출합니다. "기계 학습 프레임 워크"의 주요 특징 : 감독 분석 · uzzy 의사 결정 나무 : FS-ID3, ID3 학습 알고리즘의 퍼지 변형 결정 나무 · 퍼지 규칙 생성 : FS-Foil, Quinlan의 호일 방식의 퍼지 변형 · 클러스터 설명 : FS-Miner, 클러스터 설명을 찾는 독점적 인 방법 · 숫자 최적화를 사용하는 독점적 인 방법 : Reno 계산식 정확하고 견고한 퍼지 규칙을 찾으십시오 · 능선 회귀 : 내장 된 기능 선택으로 회귀 해제. 감독되지 않은 분석 · 자체 구성 맵 : 고차원 데이터 세트의 2 차원 플롯, 대형 및 시끄러운 데이터 세트, 리콜 (하나 이상) 데이터의 누락 된 값을 생성합니다. · 와드 클러스터링 : 선명한 응집체 클러스터링 방법 추가 기능 · 일상적인 작업을위한 강력한 기능 · 자동화 된 모델 테스트 · ODBC 데이터 가져 오기 · 고급 데이터 시각화 · 퍼지 논리 (다양한 종류의 퍼지 세트 및 T- 규범 사용) · 퍼지 추론 (Mamdani , Sugeno, Tagaki-Sugeno-Kang의 요구 사항 : · Mathematica 5.2 (또는 그 이상). 이 릴리스에서는 새로운 기능 : · MLF는 Mathematica 6.0에 적용되었다 · MLF 커널의 주요 메모리 누수가 연결되었으며 특정 경우의 성능을 상당히 향상 시켰습니다.

기계 학습 프레임 워크 관련 소프트웨어