機器學習分類方法DCG 與其他方法比較(以紅酒為例)
隨著大數據時代來臨，機器學習方法已然成為熱門學習的主題，主要分為監督式學習與非監督式學習，亦即分類與分群。本研究以羅吉斯迴歸配適結果加權距離矩陣，以資料雲幾何樹分群法為主，在含有類別變數的紅酒資料中，透過先分群再分類的方式，判斷是否可以得到更佳的預測結果。並比較監督式學習下各種機器學習方法預測表現，及非監督式學習下後再透過分類器方法的預測表現。在內容的排序上，首先介紹常見的分類與分群演算方法，並分析其優缺點與假設限制，接著將介紹資料雲幾何樹演算法，並詳述執行步驟。最後再引入加權資料雲幾何樹演算法，將權重的觀點應用在資料雲幾何樹演算法中，透過紅酒資料，比較各種分類與分群方法的預測準確率。 ===...
| Main Authors: | , |
|---|---|
| Language: | 中文 |
| Published: |
國立政治大學
|
| Subjects: | |
| Online Access: | http://thesis.lib.nccu.edu.tw/cgi-bin/cdrfb3/gsweb.cgi?o=dstdcdr&i=sid=%22G0102354015%22. |