Uma proposta de estratificação de dados para seleção de instâncias em aprendizado de máquina semissupervisionado
Algoritmos e métodos capazes de aprender por meio de poucos exemplos rotulados são de grande necessidade em aplicações reais, devido a dificuldade para conseguir conjuntos com dados relevantes e corretamente rotulados para a tarefa de classificação. Estes algoritmos normalmente complementam suas bas...
Na minha lista:
Autor principal: | Alves, Cainan |
---|---|
Outros Autores: | Lucena, Amarildo |
Formato: | bachelorThesis |
Idioma: | pt_BR |
Publicado em: |
Universidade Federal do Rio Grande do Norte
|
Assuntos: | |
Endereço do item: | https://repositorio.ufrn.br/handle/123456789/42863 |
Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
Registros relacionados
-
Um estudo sobre a variação do limiar de confiança do método Flexcon-G para a classificação de dados utilizando aprendizado semissupervisionado
por: Tavares, Alan de Medeiros
Publicado em: (2018) -
Uma análise da influência do parâmetro de controle do limiar no método de aprendizado semissupervisionado FlexCon-C
por: Gorgônio, Arthur Costa
Publicado em: (2019) -
Seleção e rotulagem de instâncias para métodos semissupervisionados indutivos
por: Barreto, Cephas Alves da Silveira
Publicado em: (2023) -
Uma proposta de automatização do processo de rotulagem de instâncias em algoritmos de aprendizado semissupervisionado
por: Vale, Karliane Medeiros Ovidio
Publicado em: (2020) -
Classificação multirrótulo com aprendizado semissupervisionado: uma análise multivisão de dados
por: Assis, Mateus Silvério de
Publicado em: (2017)