Bücher von Subhendu Pani

Die Auswirkungen fehlender Werte auf die Datenklassifizierung werden untersucht. Es wird eine vergleichende Analyse der Genauigkeit der Datenklassifizierung in verschiedenen Szenarien vorgestellt. In der Studie werden mehrere Suchtechniken für die Merkmalsauswahl berücksichtigt und zur Vorverarbeitung des Datensatzes eingesetzt. Die Vorhersageleistung gängiger Klassifikatoren wird quantitativ verglichen. Der Datensatz stammt aus einem Kontext der Brustkrebserkennung und -entscheidung, der im UCI-Repository für maschinelles Lernen verfügbar ist. Nach der Analyse der experimentellen Ergebnisse wird in der Arbeit das allgemeine Konzept der verbesserten Klassifizierungsgenauigkeit durch die Ersetzung fehlender Werte dargelegt.

L'effet des valeurs manquantes sur la classification des données est étudié. Une analyse comparative de la précision de la classification des données dans différents scénarios est présentée. Plusieurs techniques de recherche sont prises en compte dans l'étude pour la sélection des caractéristiques et sont appliquées pour le prétraitement de l'ensemble de données. Les performances prédictives des classificateurs les plus courants sont comparées quantitativement. L'ensemble de données est tiré d'un contexte de détection et de décision de cancer du sein disponible dans le référentiel d'apprentissage automatique de l'UCI. Après analyse des résultats expérimentaux, le travail établit le concept général d'amélioration de la précision de la classification en utilisant le remplacement des valeurs manquantes.

Se estudia el efecto de los valores perdidos en la clasificación de datos. Se presenta un análisis comparativo de la precisión de la clasificación de datos en distintos escenarios. En el estudio se consideran varias técnicas de búsqueda para la selección de características y se aplican para preprocesar el conjunto de datos. Se comparan cuantitativamente las prestaciones predictivas de los clasificadores más conocidos. El conjunto de datos se extrae de un contexto de detección-decisión de cáncer de mama disponible en el repositorio de aprendizaje automático de la UCI. Tras analizar los resultados experimentales, el trabajo establece el concepto general de mejora de la precisión de la clasificación mediante la sustitución de valores perdidos.

Izuchaetsq wliqnie otsutstwuüschih znachenij na klassifikaciü dannyh. Predstawlen srawnitel'nyj analiz tochnosti klassifikacii dannyh w razlichnyh scenariqh. V issledowanii rassmatriwaütsq neskol'ko metodow poiska dlq wybora priznakow, kotorye primenqütsq dlq predwaritel'noj obrabotki nabora dannyh. Prognosticheskie harakteristiki populqrnyh klassifikatorow srawniwaütsq kolichestwenno. Nabor dannyh wzqt iz kontexta obnaruzheniq i prinqtiq resheniq o rake molochnoj zhelezy, dostupnogo w repozitorii mashinnogo obucheniq UCI. Posle analiza äxperimental'nyh rezul'tatow, rabota ustanawliwaet obschuü koncepciü powysheniq tochnosti klassifikacii s pomosch'ü zameny otsutstwuüschih znachenij.

Viene studiato l'effetto dei valori mancanti sulla classificazione dei dati. Viene presentata un'analisi comparativa dell'accuratezza della classificazione dei dati in diversi scenari. Nello studio vengono prese in considerazione diverse tecniche di ricerca per la selezione delle caratteristiche e vengono applicate per preelaborare il set di dati. Le prestazioni predittive dei classificatori più diffusi vengono confrontate quantitativamente. Il set di dati è stato ricavato da un contesto di rilevazione-decisione del cancro al seno disponibile presso il repository di machine learning dell'UCI. Dopo aver analizzato i risultati sperimentali, il lavoro stabilisce il concetto generale di miglioramento dell'accuratezza della classificazione utilizzando la sostituzione dei valori mancanti.

É estudado o efeito dos valores em falta na classificação dos dados. É apresentada uma análise comparativa da precisão da classificação dos dados em diferentes cenários. No estudo, são consideradas várias técnicas de pesquisa para a seleção de características e são aplicadas para pré-processar o conjunto de dados. Os desempenhos preditivos dos classificadores populares são comparados quantitativamente. O conjunto de dados é retirado de um contexto de deteção-decisão de cancro da mama disponível no repositório de aprendizagem automática da UCI. Depois de analisar os resultados experimentais, o trabalho estabelece o conceito geral de uma melhor precisão de classificação utilizando a substituição de valores em falta.

The book is basically for the computer science researcher and it will also give the basic idea and implementation of data Classification algorithm.Data mining researcher also implementing the techniques using different data-sets.Data classification is an important task in KDD (knowledge discovery in databases) process. It has several potential applications. Feature selection reduces the dimensions and simplifies the data. It leads to better performance of the classification models in terms of their predictive or descriptive accuracy, diminishing of computing time needed to build models as they learn faster, and better understanding of the models.