Bài giảng "Trí tuệ nhân tạo" Chương 7 - Logistic Regression, được biên soạn gồm các nội dung chính sau: Giới thiệu; Logistic Regression Model; Hàm giả thuyết; Bài toán phân lớp; Hàm mất mát; Tối ưu hàm mất mát; Demo. Mời các bạn cùng tham khảo!

Bài giảng Học máy thống kê: Phân lớp và cách đánh giá bộ phân lớp tập trung vào bài toán phân loại dữ liệu, một trong những nhiệm vụ cốt lõi của học máy. Chuyên đề này sẽ trình bày các bài toán phân lớp nhị phân, đa lớp, đa nhãn và đa đầu vào, cùng với các phương pháp đánh giá hiệu quả của bộ phân lớp. Nắm vững chuyên đề này sẽ giúp bạn xây dựng và đánh giá chính xác các mô hình phân loại. Mời các bạn cùng tham khảo bài giảng để biết thêm chi tiết!

Bài giảng Tìm kiếm và trình diễn thông tin - Bài 11: Phân lớp văn bản. Bài này cung cấp cho sinh viên những nội dung gồm: ứng dụng phân lớp trong tìm kiếm; phương pháp Naïve Bayes; đánh giá phương pháp phân lớp;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài toán phân lớp nhị phân là một bài toán cơ bản trong bài toán phân lớp thuộc nhóm các thuật toán học có giám sát. Người ta sử dụng một hàm phân loại để gán một điểm dữ liệu với một trong 2 lớp đã cho dựa trên một tập dữ liệu khảo sát được đã được gán nhãn. Ở bài viết này, tác giả nghiên cứu và xây dựng một số bất đẳng thức để đánh giá về lỗi phân lớp trong bài toán phân lớp nhị phân.

Đề tài nghiên cứu khoa học "Xử lý dữ liệu cho bài toán phân lớp ổn định hệ thống điện" với mục tiêu nhằm đưa ra đề xuất mô hình song song làm gọn nhẹ mô hình huấn luyện nhưng không phù hợp cho chẩn giá ổn định hệ thống điện lớn nhiều máy.

Bài giảng Nhập môn Học máy và Khai phá dữ liệu: Chương 5, chương này cung cấp cho học viên những nội dung về: phân lớp; bài toán phân lớp; học dựa trên các láng giềng gần nhất (Nearest neighbors learning); ma trận nhầm lẫn (Confusion matrix); giải thuật phân lớp k-NN;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Đề tài tập trung nghiên cứu và thực hiện xây dưng mô hình phân lớp dữ liệu nhân sự nhằm hỗ trợ quyết định đánh giá cán bộ dựa trên những thông tin đã được lưu trữ.

Bài giảng Khai phá dữ liệu: Chương 5 Phân lớp, cung cấp cho người học những kiến thức như: Giới thiệu phân lớp; Các kỹ thuật phân lớp. Mời các bạn cùng tham khảo!

Mục tiêu tổng quát của luận án là đề xuất khái niệm từ trực cảm và ứng dụng trong bài toán ra quyết định với thông tin cho bằng từ có yếu tố trực cảm. Đề xuất độ tương tự từ, độ tương tự véc-tơ từ và ứng dụng vào bài toán phân lớp thông tin. Đề xuất độ tương tự giá trị mờ trực cảm, độ tương tự véc-tơ mờ trực cảm và ứng dụng vào phân lớp thông tin.

Bài giảng "Học máy - Các phương pháp học có giám sát: Học dựa trên các láng giềng gần nhất" cung cấp cho người học các kiến thức: Các khái niệm, các ví dụ về bài toán phân lớp, giải thuật phân lớp, giải thuật dự đoán, hàm tính khoảng cách, chuẩn háo miền giá trị thuộc tính,... Mời các bạn cùng tham khảo nội dung chi tiết.

Nội dung chính của luận văn sẽ trình bày về cơ sở lý thuyết viễn thám, các phương pháp học máy ứng dụng trong bài toán phân lớp lúa. Từ đó tiến hành đánh giá hiệu quả của các loại dữ liệu viễn thám và các phương pháp học máy để xây dựng phương pháp giám sát lúa liên tục trên khu vực ĐBSH.

Luận án này tập trung vào chủ đề nghiên cứu phân lớp đa nhãn, tiếp nối những nghiên cứu trước đó về bài toán phân lớp đa nhãn, các phương pháp biểu diễn dữ liệu, lựa chọn đặc trưng và tiếp tục giải quyết những vấn đề còn tồn tại liên quan đến bài toán phân lớp đa nhãn.

Luận án cung cấp một khảo sát khái quát về phân lớp đa nhãn, đề xuất các phương pháp biểu diễn dữ liệu và lựa chọn đặc trưng phù hợp nhằm nâng cao hiệu quả của giải pháp phân lớp đa nhãn văn bản tiếng Việt. Nghiên cứu, đề xuất các thuật toán phân lớp đa nhãn dựa trên các thuật toán phân lớp hiện đại.

Mục đích của đồ án nhằm nghiên cứu bài toán phân lớp nhị phân để khi ta đưa một bức ảnh vào thì ta có thể dùng thuật toán trong bài toán phân lớp nhị phân để đưa ra giới tính của một bức ảnh là nam hay nữ. Để nắm rõ các nội dung nghiên cứu, mời các bạn cùng tham khảo đồ án.

Luận án tập trung vào chủ đề nghiên cứu phân lớp đa nhãn, tiếp nối những nghiên cứu trước đó về bài toán phân lớp đa nhãn, các phương pháp biểu diễn dữ liệu, lựa chọn đặc trưng và tiếp tục giải quyết những vấn đề còn tồn tại liên quan đến bài toán phân lớp đa nhãn. Luận án tập trung nghiên cứu về phân lớp đa nhãn và ứng dụng vào phân lớp văn bản tiếng Việt.

Chương 4 - Các phương pháp học có giám sát (học dựa trên các láng giềng gần nhất). Chương này trình bày những nội dung chính sau: Các khái niệm, các ví dụ về bài toán phân lớp, giải thuật phân lớp, giải thuật dự đoán, hàm tính khoảng cách, chuẩn háo miền giá trị thuộc tính,... Mời các bạn cùng tham khảo nội dung chi tiết.

Phân lớp dữ liệu là vấn đề lớn và quan trọng của khai phá dữ liệu. Cây quyết định là giải pháp hữu hiệu của bài toán phân lớp, nó bao gồm từ mô hình cho quá trình học đến các thuật toán huấn luyện cụ thể để xây dựng cây. Luận án tập trung nghiên cứu mô hình linh hoạt cho quá trình huấn luyện cây từ tập mẫu huấn luyện, nghiên cứu phương pháp xử lý giá trị ngôn ngữ và xây dựng các thuật toán học phân lớp dữ liệu bằng cây quyết định mờ đạt nhằm đạt hiệu quả trong dự đoán và đơn giản đối với người dùng. Để tìm hiểu rõ hơn, mời các bạn cùng xem và tham khảo.

Tài liệu Khai phá dữ liệu Web trình bày tổng quan về khai phá dữ liệu Web; máy tìm kiếm; bài toán phân lớp; hệ thống thử nghiệm. Mời các bạn tham khảo tài liệu để nắm bắt nội dung chi tiết. Với các bạn chuyên ngành Công nghệ thông tin thì đây là tài liệu hữu ích.

CHƯƠNG 1 Tổng quan về khai phá dữ liệu I. Khai phá dữ liệu (Data Mining) Khai phá dữ liệu (Data mining) là một khái niệm ra đời vào những năm cuối của thập kỷ 80. Nó bao hàm một loạt các kỹ thuật nhằm phát hiện ra các thông tin có giá trị tiềm ẩn trong các tập dữ liệu lớn trong thực tế. Về bản chất, khai phá dữ liệu liên quan đến việc phân tích các dữ liệu và sử dụng các kỹ thuật để tìm ra các mẫu hình có tính chính quy (regularities) từ các tập dữ liệu lớn...

Trong cuộc sống loài người, ngôn ngữ được hình thành một cách tự nhiên để giải quyết nhu cầu trao đổi thông tin với nhau. Hơn thế, nó là công cụ để con người mô tả các sự vật, hiện tượng trong thế giới thực và dựa trên đó để tư duy, lập luận đưa ra những nhận định, phán quyết nhằm phục vụ cho cuộc sống xã hội của chúng ta. Thật đáng tiếc, thế giới thực thì vô hạn trong khi ngôn ngữ của chúng ta lại hữu hạn, tất yếu sẽ xuất hiện những cụm từ không chính xác hoặc mơ hồ....