다음과 같은 문제를 해결하기 위해 어떤 기술/알고리즘을 연구해야하는지에 대한 지침을 찾고 있습니다. 나는 현재 어쿠스틱 핑거 프린팅 (acoustic fingerprinting)을 사용하여 비슷한 소리를내는 mp3를 클러스터링하는 알고리즘을 가지고있다. 각 클러스터에는 각 파일마다 다른 메타 데이터 (노래/아티스트/앨범)가 있습니다. 해당 클러스터의 경우
여러 문서의 벡터 공간 표현을 추출한 다음 그 사이의 코사인 거리를 계산해야합니다. 필자는이 거리를 사용하여 k-Nearest-Neighbor 방식을 사용하여 일부 새 문서를 분류하고 싶습니다. 내가 사용할 수있는 라이브러리에 대한 제안 사항이 있으십니까? 지금까지 Weka와 Apache Lucene이 모두 벡터 공간 모델을 지원해야한다는 것을 알았습니다.
희귀 한 이벤트 감지에 사람들이 사용하는 알고리즘에 대한 좋은 언급이 있습니까? 또한 시간 계수는 어떻게 고려됩니까? 연속적인 데이터 포인트가 무언가를 말해주는 경우 (t_1에서 t_n까지), 이것을 일반적인 기계 학습 시나리오에 어떻게 반영 할 수 있습니까? 모든 포인터는 높이 평가됩니다.
의사 결정 트리 분류 자의 증분 구현을 아는 사람이 있습니까? 따라서 기존의 의사 결정 트리 분류기에 따라 계산을 적게하고 가능한 한 빨리 새 인스턴스를 학습 집합에 추가 할 때 최적의 의사 결정 트리 분류자를 생성 할 수 있습니까? 즉 지금 내가 을 설정하고 T_2 최적의 의사 결정 트리 분류 트리를 찾아 예를 X을 추가하려면, T_1을 명명 된 집합 의
감정에서 추출한 긍정적/부정적인 단어로 Naive Bayes 분류기를 훈련하려고합니다. 예 : 나는이 영화 :)) 사랑 나는 아이디어는 내가 사용하는 emoctions에 따라 양 또는 음의 문장을 추출입니다 :( 비가 오면 싫어하지만 분류를 양성하기 위해 문제는 내가 1 백만 개 이상의 문장을 가지고 있기 때문에 단어로 단어를 훈련하면 데이터베이스가 토스로
문자 및 기호 (기본적으로 단일 ASCII 문자 및 음악 표기법과 같은 기호를 처리해야하는 OCR)의 분류가 필요한 프로젝트 작업 중입니다. 나는 벡터 그래픽 (WPF의 Paths와 Glyphs)을 사용하여 이미지의 해상도와 회전 수를 무시할 수 있습니다. 교육 세트에 포함되지 않은 글꼴과 경로를 분류해야합니다 (아마도 배울 것입니다). 높은 정확도가 우선
많은 수의 캡처 된 데이터 (수십만 개의 레코드가 될 수 있음)가있어이를 분류하여 분류 할 수 있어야하며 "일반"데이터를 스스로 생성 할 수도 있습니다. 132T339G1P112S
164T897F5A498S
144T989B9B223T
155T928X9Z554T
...
는 다음과 같은 추론을 시작할 수 있습니다 : 나는 다음과 같은 데이터 문자열이
누구나 naive bayes를 사용하여 분류를 위해 weka에서 생성 된 다음 결과를 해석하도록 도와주세요. StandardDev WeightSum 정밀 평균 정규 분포 이다 명확하게 설명해주십시오. 제발 도와주세요. 나는 weka가 처음이에요. ** 나이브 베이 즈 분류
Class Normal: Prior probability = 0.5
13741