MLC公司++

MLC++:C++中的一个机器学习库。我们提出了MLC++,一个C++类和有监督机器学习工具的库。为研究人员提供了多种算法的可视化比较工具,可以为研究人员提供多种可视化的算法显示工具,同时也可以为研究人员提供多种可视化的算法显示工具。MLC++不仅仅是现有算法的集合,它还可以尝试提取算法的共性,并将它们分解为一个简单、一致和可扩展的统一视图。本文针对MLC++设计中存在的问题,对MLC++的功能进行了探讨


数学参考文献

显示第1到第20个结果,共41个。
按年份排序(引用)
  1. Marcelo S.Reis,Gustavo Estrela,Carlos Eduardo Ferreira,Junior Barrera:featsel:特征选择算法和成本函数的基准框架(2017)不是zbMATH
  2. Maciá,Núria;BernadóMansilla,Ester:走向UCI+:一个专注的存储库设计(2014)ioport公司
  3. Kelner,Roy;Lerner,Boaz:通过风险最小化学习贝叶斯网络分类器(2012)
  4. Sierra,B.;Lazkano,E.;Irigoien,I.;Jauregi,E.;Mendialdua,I.:(K)《最近邻平等:给所有现有阶级平等机会》(2011年)ioport公司
  5. Bouckaert,Remco R.;Frank,Eibe;Hall,Mark A.;Holmes,Geoffrey;Pfahringer,Bernhard;Reutemann,Peter;Witten,Ian H.:WEKA——Java开源项目的经验(2010)
  6. Terlecki,Paweı:跳跃新兴模式与粗糙集理论的关系及其在数据分类中的应用(2010)
  7. Yehezkel,Raanan;Lerner,Boaz:基于递归自治识别的贝叶斯网络结构学习(2009)
  8. 胡晓鹏;邓佩尔·马尔科,劳拉;戴维斯,E.罗伊:视觉显著性估计的贝叶斯特征评估(2008)
  9. Alcobé,Josep Roure:用近似MDL分数学习贝叶斯网络(2007)
  10. Peña,Jose M.;Nilsson,Roland;Björkegren,Johan;Tegnér,Jesper:走向可伸缩和数据高效的马尔可夫边界学习(2007)
  11. Ramamohanarao,Kotagiri;Fan,Hongjian:基于模式的分类器(2007)ioport公司
  12. De Campos,Luis M.:基于互信息和条件独立性测试的贝叶斯网络学习评分函数(2006)
  13. Langseth,Helge;Nielsen,Thomas D.:使用层次朴素贝叶斯模型进行分类(2006)
  14. Langseth,Helge;Nielsen,Thomas D.:使用层次朴素贝叶斯模型进行分类(2006)ioport公司
  15. Acid,Silvia;Campos,Luis M.;Castellano,Javier G.:学习贝叶斯网络分类器:在部分有向无环图的空间中搜索(2005)
  16. Hutter,Marcus;Zaffalon,Marco:来自完整和不完整数据的相互信息分布(2005)
  17. Langseth,Helge;Nielsen,Thomas D.:潜在分类模型(2005)
  18. Li,Jinyan;Dong,Guozhu;Ramamohanarao,Kotagiri;Wong,Limson:DeEPs:一个新的基于实例的懒散发现和分类系统(2004)
  19. Acid,S.;de Campos,L.M.:在受限无环部分有向图空间中搜索贝叶斯网络结构(2003)
  20. Braddil,Pavel B.;Soares,Carlos;Pinto da Costa,Joaquim:排名学习算法:在精度和时间结果上使用IBL和元学习(2003)