Hybride Strategien zur Verbesserung der Bayesschen Netzwerke [German]

By Ádamo Lima Santana

Einer der Hauptfaktoren f?r den Erfolg des Data Mining h?ngt mit der Nachvollziehbarkeit der durch die Techniken der Computational Intelligence entdeckten Muster zusammen; wobei Bayes'sche Netze als einer der herausragendsten gelten, wenn man die Leichtigkeit der erreichten Wissensinterpretation betrachtet. Seine quantitative und qualitative Semantik, verbunden mit der Verst?ndlichkeit der entdeckten Muster, motiviert seine Anwendung im Wissensentdeckungsprozess. Bayes'sche Netzwerke weisen jedoch, wie jede Technik der Computational Intelligence, Einschr?nkungen und Nachteile hinsichtlich ihrer Anwendung auf; unter diesen k?nnen wir das Lernen der Struktur aus gro en Datens?tzen und die Bereitstellung von Schlussfolgerungen ?ber die Zeit hinweg nennen. Dieses Buch zeigt Erweiterungen zur Verbesserung von Bayes'schen Netzwerken auf, stellt Strategien zur Verbesserung ihrer Eigenschaften vor, behandelt Aspekte wie Leistung sowie Interpretierbarkeit und Verwendung ihrer Ergebnisse; es enth?lt Modelle der multiplen Regression f?r das Strukturlernen und zeitliche Aspekte unter Verwendung von Markov-Ketten. Die Modelle sollen den Benutzern helfen, den Anwendungsbereich dieses vielseitigen Modells f?r neue Bereiche und Aufgaben zu erweitern.

• Format: Paperback
• Language: German
• ISBN: 6202976012
• ISBN13: 9786202976015
• Release Date: January 2021
• Publisher: Verlag Unser Wissen
• Length: 72 Pages
• Weight: 0.26 lbs.
• Dimensions: 0.2" x 6.0" x 9.0"