Applying Randomness Effectively Based on Random Forests for Classification Task of Datasets of Insufficient Information
Los bosques aleatorios son conocidos por ser buenos para la minería de datos en tareas de clasificación, porque los bosques aleatorios son robustos para conjuntos de datos que tienen información insuficiente posiblemente con algunos errores. Sin embargo, aplicar los bosques aleatorios de manera ciega puede no producir buenos resultados, y un conjunto de datos en el ámbito de la impresión en huecograbado es uno de esos conjuntos de datos. Por lo tanto, en este artículo, se investiga la mejor precisión de clasificación basada en la aplicación inteligente de bosques aleatorios para predecir la ocurrencia de bandas de cilindros en la impresión en huecograbado. Dado que los bosques aleatorios podrían generar buenos resultados con una combinación adecuada de parámetros como el número de atributos seleccionados al azar para cada división y el número de árboles en los bosques, se investiga un procedimiento efectivo de minería de datos considerando la propiedad del conjunto de datos objetivo mediante la prueba de bosques aleatorios. La efectividad del procedimiento
Fuente:
Revista Virtual Pro
Formatos de contenido:
Otros