文献

J-GLOBAL ID：201802220272266097   整理番号：18A2096154

ウィスコンシン乳癌データセットを用いた異なるアンサンブル学習技術の比較研究【JST・京大機械翻訳】

A Comparative Study of Different Ensemble Learning Techniques Using Wisconsin Breast Cancer Dataset

著者 (3件)： Baneriee Chandan (Department of Information Technology, Netaji Subhash Engineering College, Kolkata, India) ,  Paul Sayak (Tata Consultancy Services Limited, India) ,  Ghoshal Moinak (Keysight Technologies, Ixia Solutions Group, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCECE  ページ： 1-6  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： 機械学習と人工知能の世界における研究は,現代の進歩とともに増加している。広範囲の分野で多様な応用を見つけることによって,機械学習の芸術は,より良く得ることを約束するだけである。予測モデルは機械学習のコアを形成する。正確さがより良いほど,モデルはより良く,従って,特定の問題に対する解である。アンサンブル学習アルゴリズムは,予測モデルの予測精度を強化するために使用されるアルゴリズムの集合である。本研究では,異なるアンサンブル学習技術の比較研究をWisconsin Breast Cancerデータセットを用いて提示した。本論文では,アンサンブル学習を用いることの背後にある主要な目的は分類タスクである。この比較研究は,研究者がそれらの結果を改善するための適切なアンサンブル学習技術を見出すのを助けるはずである。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *乳房腫瘍 ,  機械学習 ,  アルゴリズム ,  人工知能 ,  *ウィスコンシン州 ,  学習アルゴリズム ,  予測モデル
準シソーラス用語： 予測精度 ,  *アンサンブル学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ウィスコンシン ,  乳癌 ,  データセット ,  アンサンブル学習 ,  研究