.png){kind=icon}
返回
Simplification Oriented Data and Pattern Transformations Vs. Attribute Importance and Rule-Based Classifier Performance
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-13869-9_8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
简化是大多数活动和领域中的流行趋势，包括计算机科学和机器学习。它有助于更深入地理解应用领域，并在减少计算和存储成本的同时帮助泛化。本文介绍了一项研究，其中将一种简化程序以离散化的形式应用于输入数据和由优势关系粗糙集方法发现的模式。从基于属性重要性排名估计和通过排名驱动的规则过滤简化的基于规则的分类器性能的角度研究了转换的影响。实验结果表明，所采用的预处理在许多情况下提高了预测精度并增强了可解释性。
Keyword:
Relevance
Ranking
Discretisation
Rule filtering
DRSA
期刊
机构
引用论文
.png){kind=icon}
分享收藏分享收藏分享收藏
查看更多内容