Wszystkie pola: classification algorithm

Skocz do pozycji: 1.

Tytuł:: New algorithm for determining the number of features for the effective sentiment-classification of text documents
Nowy algorytm ustalania liczby zmiennych potrzebnych do klasyfikacji dokumentów tekstowych ze względu na ich wydźwięk emocjonalny
Autorzy:: Adam Idczak
Jerzy Korzeniewski
Data publikacji:: 2023-05-31
Tematy:: sentiment analysis
document sentiment classification
text mining
logistic regression
naive Bayes classifier
feature selection
correlation
analiza sentymentu
klasyfikacja dokumentów ze względu na wydźwięk emocjonalny
eksploracja tekstu
regresja logistyczna
naiwny klasyfikator Bayesa
dobór cech
korelacja; Pokaż więcej
Dostawca treści:: CEJSH

Artykuł

Szczegóły

Skocz do pozycji: 2.

Tytuł:: New algorithm for determining the number of features for the effective sentiment-classification of text documents
Nowy algorytm ustalania liczby zmiennych potrzebnych do klasyfikacji dokumentów tekstowych ze względu na ich wydźwięk emocjonalny
Autorzy:: Idczak, Adam
Korzeniewski, Jerzy
Data publikacji:: 2023-05-31
Wydawca:: Główny Urząd Statystyczny
Tematy:: sentiment analysis
document sentiment classification
text mining
logistic regression
naive Bayes classifier
feature selection
correlation
analiza sentymentu
klasyfikacja dokumentów ze względu na wydźwięk emocjonalny
eksploracja tekstu
regresja logistyczna
naiwny klasyfikator Bayesa
dobór cech
korelacja; Pokaż więcej
Dostawca treści:: Biblioteka Nauki

Artykuł

Szczegóły

Skocz do pozycji: 3.

Tytuł:: New algorithm for determining the number of features for the effective sentiment-classification of text documents
Nowy algorytm ustalania liczby zmiennych potrzebnych do klasyfikacji dokumentów tekstowych ze względu na ich wydźwięk emocjonalny
Autorzy:: Idczak A.
Korzeniewski J.
Tematy:: sentiment analysis
document sentiment classification
text mining
logistic regression
naive Bayes classifier
feature selection
correlation; Pokaż więcej
Dostawca treści:: AGRO

Artykuł

Szczegóły

Skocz do pozycji: 4.

Tytuł:: A novel chaotic binary butterfly optimization algorithm based feature selection model for classification of autism spectrum disorder
Autorzy:: Ramakrishnan, Anandkumar
Ramalingam, Rajakumar
Ramalingam, Padmanaban
Ravi, Vinayakumar
Alahmadi, Tahani Jaser
Maidin, Siti Sarah
Data publikacji:: 2024
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: data classification
feature selection
metaheuristics
machine learning
autism spectrum disorder
klasyfikacja danych
wybór funkcji
metaheurystyka
uczenie maszynowe
spektrum autyzmu; Pokaż więcej
Dostawca treści:: Biblioteka Nauki

Artykuł

Szczegóły

Informacja