Selezione del modello in condizioni di incertezza di campionamento utilizzando numeri fuzzy
Un metodo ibrido
Versandkostenfrei!
Versandfertig in 1-2 Wochen
25,99 €
inkl. MwSt.
PAYBACK Punkte
13 °P sammeln!
La selezione del modello è uno dei compiti fondamentali dell'indagine scientifica. I metodi più utilizzati come l'analisi ROC non tengono conto dell'incertezza del campionamento. Per migliorare la robustezza della selezione del modello, l'autore ha sviluppato un metodo di selezione del modello in grado di incorporare l'incertezza di campionamento. Ha catturato l'incertezza di campionamento utilizzando la tecnica bootstrap e ha quantificato l'incertezza di campionamento introducendo numeri sfocati. Nel libro, l'autore ha applicato il sistema di selezione del modello a una varietà di database...
La selezione del modello è uno dei compiti fondamentali dell'indagine scientifica. I metodi più utilizzati come l'analisi ROC non tengono conto dell'incertezza del campionamento. Per migliorare la robustezza della selezione del modello, l'autore ha sviluppato un metodo di selezione del modello in grado di incorporare l'incertezza di campionamento. Ha catturato l'incertezza di campionamento utilizzando la tecnica bootstrap e ha quantificato l'incertezza di campionamento introducendo numeri sfocati. Nel libro, l'autore ha applicato il sistema di selezione del modello a una varietà di database del mondo reale rispetto alle classificazioni binarie. Tra i set di dati testati, il metodo si comporta in linea con la tradizionale analisi ROC, mentre fornisce la presentazione sfocata delle curve ROC sulla base delle quali è possibile affrontare non solo l'accuratezza predittiva ma anche il grado di incertezza del campionamento. Inoltre, l'autore ha sviluppato uno strumento informatico che implementa il sistema, che facilita le noiose procedure nella selezione del modello.
Andere Kunden interessierten sich für
