文献

J-GLOBAL ID：201802214829132059   整理番号：18A0199764

優先チャンク学習を用いた効率的な決定木のためのフレームワーク【Powered by NICT】

A framework for efficient decision tree using priority chunk learning

著者 (2件)： Moulana Mohammed (Dept. of Computer Science, Bharathiar University, India) ,  Hussain Mohammed Ali (Dept. of Electronics and Computer Engineering, KLEF University, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICICCS  ページ： 1236-1240  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： データマイニングでは,決定木は知識発見のための非常に効率的な技術の一つである。決定木が容易な切片と理解のために非常に一般的である。ディシジョンツリーの欠点の一つは,解析のための利用可能な膨大なデータである。知識発見プロセスは,効率的な知識発見のための異なる相に分離することができる。本報では,種々のデータセットからの効率的な知識発見のための新しい優先チャンク学習(PCL)法を提案した。14UCIデータセットのPCLアプローチの性能を評価した。実験結果は,提案したPCLアプローチをベンチマークアルゴリズムよりも優れた性能を示したことを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *ディシジョンツリー ,  データマイニング ,  知識発見 ,  *学習
準シソーラス用語： *チャンク , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 優先 ,  チャンク ,  学習 ,  決定木 ,  フレームワーク