"synopsis" may belong to another edition of this title.
"About this title" may belong to another edition of this title.
Shipping:
£ 19.73
From Germany to U.S.A.
Book Description Taschenbuch. Condition: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Inkrementelle Lernalgorithmen ziehen die Information für den Aufbau eines Voraussagemodells aus einem Datenstrom. Sie basieren auf der impliziten Annahme, dass sich das den Daten zugrundeliegende Modell nicht ändert. Dies ist jedoch in vielen Anwendungen nicht gegeben, was als Concept Drift Verhalten bezeichnet wird. Dies hat zur Folge, dass das Voraussagemodell angepasst werden muss. Im vorliegenden Buch wird ein neuer Lösungsansatz für dieses Problems erarbeitet. Als Erstes werden synthetische Datensätze definiert, welche die Möglichkeit bieten, gezielt Concept Drifts zu simulieren. Anschliessend werden Benchmarks erstellt, welche die optimale Lösung für das Problem darstellen. Zusätzlich führen wir ein Entropiemass ein, welches Concept Drifts abbilden kann. Es wird untersucht, ob es eine Korrelation zwischen dem Entropiemass und dem Benchmark gibt. Abschliessend wird gezeigt, wie ein Algorithmus anhand dieser Korrelation dynamisch auf Concept Drifts reagieren kann. 108 pp. Deutsch. Seller Inventory # 9783639340143
Book Description Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Inkrementelle Lernalgorithmen ziehen die Information für den Aufbau eines Voraussagemodells aus einem Datenstrom. Sie basieren auf der impliziten Annahme, dass sich das den Daten zugrundeliegende Modell nicht ändert. Dies ist jedoch in vielen Anwendungen nicht gegeben, was als Concept Drift Verhalten bezeichnet wird. Dies hat zur Folge, dass das Voraussagemodell angepasst werden muss. Im vorliegenden Buch wird ein neuer Lösungsansatz für dieses Problems erarbeitet. Als Erstes werden synthetische Datensätze definiert, welche die Möglichkeit bieten, gezielt Concept Drifts zu simulieren. Anschliessend werden Benchmarks erstellt, welche die optimale Lösung für das Problem darstellen. Zusätzlich führen wir ein Entropiemass ein, welches Concept Drifts abbilden kann. Es wird untersucht, ob es eine Korrelation zwischen dem Entropiemass und dem Benchmark gibt. Abschliessend wird gezeigt, wie ein Algorithmus anhand dieser Korrelation dynamisch auf Concept Drifts reagieren kann. Seller Inventory # 9783639340143
Book Description Paperback. Condition: Brand New. 108 pages. German language. 8.66x5.91x0.25 inches. In Stock. Seller Inventory # zk3639340140
Book Description Kartoniert / Broschiert. Condition: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Autor/Autorin: Constam MartinMartin Constam hat in Zuerich Wirtschaftsinformatik studiert und sich intensiv mit dem Thema Machine Learning und KI beschaeftigt. Zurzeit arbeitet er als IT Architekt im Microsoft .NET Bereich bei einer renommierten Schw. Seller Inventory # 4979099