Algorithme d'apprentissage machine amélioré : Perspective des grandes données

Nous vivons dans un monde de données où d'énormes quantités de données, comme une inondation, affluent de partout pour donner naissance à Data Ocean. Ces données sont fascinantes si elles sont traitées de manière appropriée, sinon elles ne sont rien d'autre que des déchets. Un algorithme ordinaire n'est pas compétent pour traiter ce gigantesque ensemble de données, car il est programmé pour fonctionner sur la base de l'instruction. À l'heure actuelle, l'apprentissage machine et l'exploration de données gagnent en estime car ils sont constitués d'une large gamme d'algorithmes robustes, capables de fournir de grandes quantités de données. La principale aspiration de ce travail est de reconnaître l'obstacle des performances de l'algorithme de classification par apprentissage machine, dû à la complexité ajoutée par le déséquilibre de l'ensemble de données à des fins de formation.

Autorentext

El Dr. Prity Vijay trabaja como Científico de Datos en Zessta Software Pvt. Limited, Hydrabad (India) y el Dr. Bright Keswani trabaja como Profesor en el Departamento de Ciencias Informáticas e Ingeniería de la Universidad Suresh Gyan Vihar, Jaipur (India).

Klappentext

Nous vivons dans un monde de données où d'énormes quantités de données, comme une inondation, affluent de partout pour donner naissance à Data Ocean. Ces données sont fascinantes si elles sont traitées de manière appropriée, sinon elles ne sont rien d'autre que des déchets. Un algorithme ordinaire n'est pas compétent pour traiter ce gigantesque ensemble de données, car il est programmé pour fonctionner sur la base de l'instruction. À l'heure actuelle, l'apprentissage machine et l'exploration de données gagnent en estime car ils sont constitués d'une large gamme d'algorithmes robustes, capables de fournir de grandes quantités de données. La principale aspiration de ce travail est de reconnaître l'obstacle des performances de l'algorithme de classification par apprentissage machine, dû à la complexité ajoutée par le déséquilibre de l'ensemble de données à des fins de formation.