抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
小博ユーザの性別分類を目的として、分類の正確性を高めるために、多種モデルとモデル融合の方法を比較研究を試みた。用いたデータセットは初めて「マイクロカップ」の技術評価から由来した。最初に,中国語のマイクロブログデータの特性を結合して,マイクロボアのユーザ粒度に基づいてデータの前処理を行い,次に,ロジスティックRegression,RandomForest,SVMなどのモデルを使用し,モデルのパラメータ,タイプ,およびカーネル関数をそれぞれ比較し,最後に,訓練サンプルをいくつかのバッチに分割し,次に,異なるモデルと同じモデルに従って,それぞれ,融合分類を行った。.1.,2つのモデル,すなわち,2つのモデル,すなわち,2つのモデル,すなわち,それぞれ,モデルの分類,分類,およびカーネル関数の分類を,それぞれ,実行した,そして,次に,それぞれのモデルの分類と分類を,それぞれ,いくつかのバッチに分割し,次に,それぞれのモデルの分類と,同じモデルの利用によって,それぞれ,分類する,そして,次に,モデルの分類と分類を,それぞれ,行った,そして,次に,訓練サンプルを,いくつかのバッチに分割して,次に,それぞれ,いくつかのバッチに割り当てた。実験結果は,複数のSVMモデルの融合法が,マイクロボアのユーザ性分類の精度が高いことを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】