Над 4 милиона заглавия на английски и други езици! Открийте новата си история още днес! Безплатна доставка за поръчки над 69.99€

Проверка на състоянието на поръчката

Станете част от общност от любители на книгите от цял свят и получавате много предимства. Създай на безплатен акаунт

Безплатна доставка със Еконт над 69.99 €

Куриер Speedy 3.49 € Пункт на Speedy 3.49 € ЕКОНТ 3.99 € Еконтомат/Офис на Еконт 3.99 € Ekont Box 3.99 € Sameday 3.99 € Sameday box 3.99 € Box Now 3.99 €

Контакт

Как се пазарува?

Помощ

Моят акаунт

▸ Празна :-(

On-line Linear Discriminant Classifier

Name: On-line Linear Discriminant Classifier
Brand: VDM Verlag Dr. Müller
SKU: 06825874
Price: 52.6 EUR
Availability: InStock
Author: Catrin Plumpton
ISBN: 9783639175868

and its Application to Delayed Labelling

Catrin Plumpton

Език

Английски език

Книга С меки корици

Код Либристо: 06825874

Издателство VDM Verlag Dr. Müller, ноември 2008

We present an on-line Linear Discriminant Classifier for streaming data (O-LDC). This is an adaptati... Цялото описание

Код Либристо: 06825874

127 b

52.60 €

102.87 лв

Налично при издателя, по поръчка Изпращаме след 17-27 дни

30 дни за връщане на стоката

Клиентите са закупили също

Secretos de Budo Stevens

С меки корици

7.24 € 14.17 лв

origini Reiner Schürmann

С меки корици

23.81 € 46.57 лв

Геометрия. 8 класс. Задачи повышенной сложности Виктор Прасолов

С меки корици

6.67 € 13.05 лв

Man'mokli Aarogyacharcha... Dr. H. V. Sardesai Yanchyashi Anuradha Aurnagabadkar

С меки корици

18.43 € 36.04 лв

La catedral de Tortosa als segles del gòtic Vol. I Almuni Balada

С твърди корици

36.19 € 70.77 лв

Statistik Der Stadtischen Wasserversorgungen E. Grahn

С твърди корици

133.47 € 261.05 лв

Propósito Divino: O Que Voc? Precisa Saber! Marta Cerqueira

С меки корици

14.85 € 29.05 лв

Drachenzähmen leicht gemacht (11). Verräterisches Drachenmal Cressida Cowell

С меки корици

8.18 € 15.99 лв

De l'Ukraine balalas

С меки корици

20.34 € 39.79 лв

La crise parfaite Mohamed Talal Lahlou

С меки корици

27.49 € 53.76 лв

Heaven Official's Blessing nº 03 Edición Especial Mo Xiang Tong Xiu

С меки корици

27.33 € 53.46 лв

Hör mal rein, wer kann das sein? - Meine ersten Fahrzeuge

Дипляна

12.06 € 23.58 лв

A Christmas Carol Charles Dickens

С меки корици

10.71 € 20.95 лв

Schüler-Globus

Карта

31.32 € 61.25 лв

Animales simbólicos en la historia: desde la protohistoria hasta el final de la Edad Media GARCIA HUERTA

С меки корици

48.66 € 95.18 лв

Gipfelkreuz Großer Arber (Puzzle) Andreas Vonzin

Игра

36.19 € 70.77 лв

Elemens Du Droit Civil Francais, Ou Explication Methodique Et Raisonnee Du Code Civil.Tome 1 MARCADE-V

С меки корици

44.11 € 86.27 лв

Arzneimittelr ckst nde in Deutschen Gew ssern Caroline Wienecke

С меки корици

26.61 € 52.04 лв

Kain a Ábel Ivana Pecháčková

С твърди корици

3.77 € 7.38 лв

Jak funguje lidské tělo Marta Maruszaková

С твърди корици

3.41 € 6.67 лв

Altro che #Antipolitica Rampolla del Tindaro Marcello Rampolla del Tindaro

С меки корици

6.83 € 13.36 лв

Entwicklung einer internetbasierten Evaluationsplattform zur interaktiven Vorlesungsgestaltung Malte Fuhrmann

С меки корици

40.64 € 79.48 лв

Tage Buch Sommelier Wein Rezesionen: Format: 15x23cm (6x9zoll), 120 Beschreibbare Seiten, Elegantes Cover Sommelier Weintester

С меки корици

8.80 € 17.20 лв

Medizinische Didaktik W. Sauerbrey

С меки корици

55.96 € 109.46 лв

We present an on-line Linear Discriminant Classifier for streaming data (O-LDC). This is an adaptation of the Linear Discriminant Classifier, with the class means and the inverse covariance matrix re-calculated after each new data point. The classifier satisfies the properties of an on-line classifier; it learns from a single pass through the data, uses limited memory and processing power, and exhibits any-time learning. We compare the O-LDC with on-line versions of the Perceptron and balanced Winnow classifiers. Comparisons are carried out across a series of static data sets made up of two classes. The O-LDC shows higher accuracy and a better learning rate than its counterparts. As a second task we consider delayed labelling. We propose two strategies. The passive strategy 'waits' for the correct label of a data point before using it to update the classifier. The aggressive strategy, makes use of naďve labelling, using the predicted label of a data point to update the classifier. The strategies are compared across a series of static data sets. The final accuracy of both strategies was comparable, though the passive strategy showed a better learning pattern.