Rough set statistical approach von asit kumar (3 Ergebnisse)
- Softcover
Anbieter: preigu, Osnabrück, Deutschlandpreigu
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 66,50
EUR 70,00 VersandVersand von Deutschland nach USAAnzahl: 5 verfügbar
Taschenbuch. Zustand: Neu. Rough Set and Statistical Approach to Knowledge Discovery | Dimension Reduction, Clustering and Classification Techniques | Asit Kumar Das (u. a.) | Taschenbuch | Englisch | VDM Verlag Dr. Müller | EAN 9783639347661 | Verantwortliche Person für die EU: preigu GmbH & Co. KG, Lengericher Landstr. 19, 490…78 Osnabrück, mail[at]preigu[dot]de | Anbieter: preigu.
- Softcover
- Print-on-Demand
Anbieter: moluna, Greven, Deutschlandmoluna
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 60,51
EUR 48,99 VersandVersand von Deutschland nach USAAnzahl: Mehr als 20 verfügbar
Kartoniert / Broschiert. Zustand: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Autor/Autorin: Das Asit KumarAuthors (PhD) are faculties of Computer Science and Technology Department of Bengal Engineering and Science University (BESU), Shibpur, Howrah, India. Their common r…esearch area of interest include pattern recognition, .
- Softcover
- Print-on-Demand
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 79,95
EUR 61,60 VersandVersand von Deutschland nach USAAnzahl: 2 verfügbar
Taschenbuch. Zustand: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Large amount of data have been collected routinely in the course of day-to-day work in different fields. Typically, the datasets constantly grow accumulating a large number of features, which are not equally important in decision-making. R…ough set theory (RST)recently becomes very popular in dimensionality reduction and feature selection of large datasets. The RST approach to feature selection is used to determine a subset of features (or attributes) called reduct which can predict the decision concepts. In reality, there are multiple reducts in a given information system used for developing classifiers, amongst which the best performer is chosen as the final solution to the problem. Selecting a reduct with good performance is time expensive, as there might be many reducts of a given dataset. Therefore, obtaining a best performer classifier is not practical rather ensemble of different classifiers may lead to better classification accuracy. However, combining large number of classifiers increases complexity of the system. The work trades off between these two approaches and creates an efficient ensemble classifier.
