Zobrazeno 1 - 10
of 25 052
pro vyhledávání: '"naïve bayes classifier"'
In today's data-intensive landscape, where high-dimensional datasets are increasingly common, reducing the number of input features is essential to prevent overfitting and improve model accuracy. Despite numerous efforts to tackle dimensionality redu
Externí odkaz:
http://arxiv.org/abs/2411.01203
Autor:
Putri Wahyuni, Moh. Ali Romli
Publikováno v:
Journal of Applied Informatics and Computing, Vol 8, Iss 2, Pp 523-530 (2024)
This research analyzes public sentiment towards the topic of the House of Representatives' Right of Inquiry on Twitter using Naïve Bayes Classifier and Decision Tree algorithms. The goal is to compare the effectiveness of the two algorithms in polit
Externí odkaz:
https://doaj.org/article/357f3515d8194471949df69a6085278d
Autor:
Hue, Carine, Boullé, Marc
We study supervised classification for datasets with a very large number of input variables. The na\"ive Bayes classifier is attractive for its simplicity, scalability and effectiveness in many real data applications. When the strong na\"ive Bayes as
Externí odkaz:
http://arxiv.org/abs/2409.11100
Autor:
Mir, Tawseef Ahmad1 (AUTHOR) tawseefmir1191@gmail.com, Lawaye, Aadil Ahmad2 (AUTHOR)
Publikováno v:
Sādhanā: Academy Proceedings in Engineering Sciences. Sep2024, Vol. 49 Issue 3, p1-9. 9p.
Publikováno v:
Jurnal Lebesgue, Vol 5, Iss 2, Pp 782-794 (2024)
Diabetes is a global health problem that is increasing in prevalence worldwide. This study compares the performance of two data analysis methods, namely binary logistic regression and naïve bayes classifier in predicting diabetes risk. This study ai
Externí odkaz:
https://doaj.org/article/dc47f7f4eaf74429aa635fcd27116df9
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Sheu, Guang-Yih, Liu, Nai-Ru
Taiwan's auditors have suffered from processing excessive audit data, including drawing audit evidence. This study advances sampling techniques by integrating machine learning with sampling. This machine learning integration helps avoid sampling bias
Externí odkaz:
http://arxiv.org/abs/2403.14069
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.