Classification algorithms

Ein alternierender Entscheidungsbaum (ADTree) ist eine Methode des maschinellen Lernens zur Klassifizierung. Er verallgemeinert Entscheidungsbäume und hat Verbindungen zum Boosting .

Analogische Modellierung ( AM ) ist eine formale Theorie des exemplarbasierten analogischen Schließens, die von Royal Skousen , Professor für Linguistik und Anglistik an der Brigham Young University in Provo, Utah ,

C4.5 ist ein von Ross Quinlan entwickelter Algorithmus zur Generierung von Entscheidungsbäumen . C4.5 ist eine Erweiterung von Quinlans früherem ID3-Algorithmus .

Im maschinellen Lernen ist die Einklassenklassifizierung (One-Class Classification , OCC ) , auch bekannt als unäre Klassifizierung oder Klassenmodellierung , ein Ansatz zum Trainieren binärer Klassifikatoren , bei dem

Elastisches Matching ist eine der Mustererkennungstechniken in der Informatik . Elastisches Matching (EM) ist auch unter den Bezeichnungen deformierbares Template , flexibles Matching oder nichtlineares Template-Matching

In Anwendungen des überwachten Lernens im maschinellen Lernen und der statistischen Lerntheorie ist der Generalisierungsfehler (auch bekannt als Out-of-Sample-Fehler oder Risiko) ein Maß dafür, wie genau ein Algorithmus

Gradient Boosting ist eine Technik des maschinellen Lernens, die auf Boosting in einem Funktionsraum basiert.

Die Gruppenmethode der Datenverarbeitung ( GMDH ) ist eine Familie induktiver, selbstorganisierender Algorithmen für die mathematische Modellierung , die automatisch die Struktur und die Parameter von Modellen auf Basis

Die hierarchische Klassifikation ist ein System zur Gruppierung von Dingen nach einer Hierarchie.

Im maschinellen Lernen stellt ein Hyperbasis-Funktionsnetzwerk ( HyperBF-Netzwerk ) eine Verallgemeinerung des Konzepts radialer Basisfunktionsnetzwerke (RBF-Netzwerke) dar, bei dem anstelle des euklidischen Distanzmaßes

Beim Lernen von Entscheidungsbäumen ist das Informationsgewinnverhältnis das Verhältnis des Informationsgewinns zur intrinsischen Information.

Kaskadierung ist ein Spezialfall des Ensemble-Lernens, der auf der Verkettung mehrerer Klassifikatoren basiert .

Im maschinellen Lernen stellen Kernel-Algorithmen eine Klasse von Verfahren zur Musteranalyse dar . Der bekannteste Vertreter dieser Klasse ist die Support-Vector-Machine (SVM).

Classifier Chains ist eine Methode des maschinellen Lernens zur Problemtransformation in der Multilabel-Klassifizierung .

Entscheidungsbaumlernen ist ein überwachtes Lernverfahren , das in der Statistik , im Data-Mining und im maschinellen Lernen Anwendung findet .

In der Theorie des maschinellen Lernens und des computergestützten Lernens ist LogitBoost ein Boosting- Algorithmus, der von Jerome Friedman , Trevor Hastie und Robert Tibshirani formuliert wurde .

Im Deep Learning ist ein mehrschichtiges Perzeptron ( MLP ) eine Art modernes Feedforward -Neuronales Netzwerk, das aus vollständig verbundenen Neuronen mit nichtlinearen Aktivierungsfunktionen besteht , die in Schichten

Beim maschinellen Lernen ist die Random Subspace Methode , auch Attribute Bagging oder Feature Bagging genannt , eine Ensemble-Lernmethode , die versucht, die Korrelation zwischen den Schätzern in einem Ensemble zu

Im maschinellen Lernen ist die Multilabel-Klassifizierung ( auch Multioutput-Klassifizierung genannt) eine Variante des Klassifizierungsproblems , bei der jeder Instanz mehrere, sich nicht ausschließende Labels

In der Statistik ist die multinomiale logistische Regression eine Klassifikationsmethode , die die logistische Regression auf Mehrklassenprobleme verallgemeinert , d. h.

Multispektrale Fernerkundung ist die Erfassung und Analyse von reflektierter, emittierter oder rückgestreuter Energie eines Objekts oder eines Untersuchungsgebiets in mehreren Spektralbändern des elektromagnetischen

Die Nächste-Nachbarn-Suche ( NNS ) ist eine Form der Proximitätssuche und das Optimierungsproblem , denjenigen Punkt in einer gegebenen Menge zu finden, der einem gegebenen Punkt am nächsten (oder ähnlichsten) liegt.

Im maschinellen Lernen ist ein neuronales Netzwerk ( NN ) oder neuronales Netz ein Rechenmodell , das von der Struktur und den Funktionen biologischer neuronaler Netzwerke inspiriert ist .

Eine operationelle taxonomische Einheit ( OTU ) ist eine operationelle Definition zur Klassifizierung von Gruppen eng verwandter Individuen. Der Begriff wurde 1963 von Robert R. Sokal und Peter H. A.

Im maschinellen Lernen ist das Perzeptron ein Algorithmus für das überwachte Lernen binärer Klassifikatoren .

Im maschinellen Lernen (ML) ist ein Margin-Klassifikator ein Klassifikationsmodell , das für jedes Datenelement einen zugehörigen Abstand zur Entscheidungsgrenze angibt .

Random Forests (auch Random Decision Forests genannt) sind ein Ensemble-Lernverfahren für Klassifizierung , Regression und andere Aufgaben. Es erzeugt während des Trainings eine Vielzahl von Entscheidungsbäumen .

Wenn die Klassifizierung von einem Computer durchgeführt wird, werden normalerweise statistische Methoden zur Entwicklung des Algorithmus verwendet.

Im Bereich des maschinellen Lernens sind Support-Vektor-Maschinen ( SVMs , auch Support-Vektor-Netzwerke ) überwachte Max-Margin- Modelle mit zugehörigen Lernalgorithmen , die Daten für Klassifizierungs- und

Die syntaktische Mustererkennung , auch strukturelle Mustererkennung genannt , ist eine Form der Mustererkennung, bei der jedes Objekt durch eine Menge symbolischer nominaler Merkmale variabler Kardinalität repräsentiert

Die Feature Selection Toolbox (FST) ist eine Software, die primär für die Merkmalsauswahl im Bereich des maschinellen Lernens entwickelt wurde .