menu
{ "item_title" : "Apprendimento automatico applicato", "item_author" : [" Vijayaragavan P "], "item_description" : "Questo studio presenta un modello ibrido che sfrutta i punti di forza del clustering K-means e delle macchine vettoriali di supporto (SVM) per classificare le recensioni di prodotti online. K-means viene utilizzato per raggruppare le recensioni in cluster, riducendo la complessitdei dati e migliorando l'estrazione delle caratteristiche. Successivamente, si ricorre a SVM per classificare i dati raggruppati in sentimenti positivi, negativi o neutri. L'approccio combinato migliora l'accuratezza della classificazione, riduce il costo computazionale e gestisce efficacemente grandi insiemi di dati. I risultati sperimentali dimostrano che il modello proposto supera i classificatori tradizionali indipendenti in termini di precisione, richiamo e accuratezza complessiva.", "item_img_path" : "https://covers2.booksamillion.com/covers/bam/6/20/879/678/6208796784_b.jpg", "price_data" : { "retail_price" : "86.00", "online_price" : "86.00", "our_price" : "86.00", "club_price" : "86.00", "savings_pct" : "0", "savings_amt" : "0.00", "club_savings_pct" : "0", "club_savings_amt" : "0.00", "discount_pct" : "10", "store_price" : "" } }
Apprendimento automatico applicato|Vijayaragavan P

Apprendimento automatico applicato

local_shippingShip to Me
In Stock.
FREE Shipping for Club Members help

Overview

Questo studio presenta un modello ibrido che sfrutta i punti di forza del clustering K-means e delle macchine vettoriali di supporto (SVM) per classificare le recensioni di prodotti online. K-means viene utilizzato per raggruppare le recensioni in cluster, riducendo la complessit dei dati e migliorando l'estrazione delle caratteristiche. Successivamente, si ricorre a SVM per classificare i dati raggruppati in sentimenti positivi, negativi o neutri. L'approccio combinato migliora l'accuratezza della classificazione, riduce il costo computazionale e gestisce efficacemente grandi insiemi di dati. I risultati sperimentali dimostrano che il modello proposto supera i classificatori tradizionali indipendenti in termini di precisione, richiamo e accuratezza complessiva.

This item is Non-Returnable

Details

  • ISBN-13: 9786208796785
  • ISBN-10: 6208796784
  • Publisher: Edizioni Sapienza
  • Publish Date: March 2025
  • Dimensions: 9 x 6 x 0.46 inches
  • Shipping Weight: 0.6 pounds
  • Page Count: 200

Related Categories

You May Also Like...

    1

BAM Customer Reviews