sorodni izrazi in sinonimi v sodobni slovenščini, hrvaščini in srbščini
Podobnost besed in fraz med rezultati je odvisna od tega, kolikokrat se beseda
ali fraza pojavi v podobnem stavčnem kontekstu kot "klasifikacijsko točnost".
Podobni izrazi in sinonimi za
Kliknite za poizvedbo
Širši sorodni izrazi
Izrazi, ki navajajo klasifikacijsko točnost med svojimi sorodnimi izrazi, a jih seznam zgoraj ne doseže. Njihova podobnost je nižja od podobnosti zadnjega izraza nad njimi.
Primeri iz korpusa
Korpus Common Crawl
Common Crawl je korpus spletnih strani
Želimo izbrati takšne značilke, ki bodo izboljšale klasifikacijsko točnost.
Če algoritem ustavimo prezgodaj, ne dobimo dovolj pravil za visoko klasifikacijsko točnost.
Zato klasifikacijsko točnost ocenimo s pomočjo omejene množice klasifikacijskih primerov.
Za primerjanje algoritmov sta uporabila mere klasifikacijsko točnost, preklic in preciznost.
Za oceno uspešnosti klasifikatorjev smo uporabili tri mere: natančnost (angl. precision), priklic (angl. recall ) in klasifikacijsko točnost (angl. accuracy).
Za ocenjevanje klasifikatorjev smo uporabili matriko zmogljivosti, s pomočjo katere smo izračunali klasifikacijsko točnost, specifičnost in občutljivost.
Z uporabo omenjene metode je imel isti strojni model pri raznih študijah veliko boljšo klasifikacijsko točnost.
Vse nadaljnje slike zato prikazujejo klasifikacijsko točnost le na neodvisni učni množici.
Vidimo, da metoda že z nizkim številom pravil doseže visoko klasifikacijsko točnost.
Vidimo lahko, da vse inicializacije precej zvišajo klasifikacijsko točnost, vendar pri tem porabijo precej ̌casa, da izračunajo začetne aproksimacije uteži.
Vidimo lahko, da predlagana inicializacija precej pospeši učenje in doseže boljšo klasifikacijsko točnost kot primeri mrež, ki so inicializirani s klasičnimi inicializacijami.
Večina metod izbira modele glede na klasifikacijsko točnost, ki jo, če je to mogoče, ocenimo na validacijski množici.
V tem razdelku smo opazovali klasifikacijsko točnost na množicah iris, balance in syncopa glede na velikost dobljenega seznama pravil.
V tej nalogi smo raziskovali vpliv zlivanja na klasifikacijsko točnost pri učenju iz različnih podatkovnih množic.
V realnosti lahko klasifikacijsko točnost le redko točno določimo, saj ne poznamo vseh možnih klasifikacijskih primerov problema.
V prihodnosti bi zato lahko testirali ̌se vpliv različnih kombinacij parametrov na hitrost učenja oziroma klasifikacijsko točnost ciljne mreže.
Učenje z večimi pogledi iz vsakega pogleda izlušči znanje, ki mu je specifično, zmanjša pojav prekomernega prileganja in izboljša klasifikacijsko točnost.
To pomeni, da lahko naknadno dobljeni seznam odrežemo in s tem povečamo klasifikacijsko točnost.
To pomeni, da bi bilo z razširitvijo nabora referenčnih podatkov klasifikacijsko točnost mogoče še izboljšati, zlasti za slabše zastopane vrste.
Ta v vsaki iteraciji razdeli podatkovno zbirko na testno in učno množico in preveri klasifikacijsko točnost modela.