Andere Kunden interessierten sich auch für
![Applied Machine Learning]( "Applied Machine Learning")
Applied Machine Learning53,99 €![Ein Data-Mining-Ansatz zur Wissensentdeckung]( "Ein Data-Mining-Ansatz zur Wissensentdeckung")
Ein Data-Mining-Ansatz zur Wissensentdeckung43,90 €![Apprendimento automatico applicato]( "Apprendimento automatico applicato")
Apprendimento automatico applicato51,99 €![Apprentissage automatique appliqué]( "Apprentissage automatique appliqué")
Apprentissage automatique appliqué51,99 €![Un approccio di data mining alla scoperta della conoscenza]( "Un approccio di data mining alla scoperta della conoscenza")
Un approccio di data mining alla scoperta della conoscenza29,99 €![A Data Mining Approach to Knowledge Discovery]( "A Data Mining Approach to Knowledge Discovery")
A Data Mining Approach to Knowledge Discovery29,99 €![Data warehousing & Data mining]( "Data warehousing & Data mining")
Data warehousing & Data mining60,99 €
In dieser Studie wird ein hybrides Modell vorgestellt, das die Stärken von K-means Clustering und Support Vector Machines (SVM) zur Klassifizierung von Online-Produktbewertungen nutzt. K-means wird verwendet, um Bewertungen in Clustern zu gruppieren, wodurch die Datenkomplexität reduziert und die Merkmalsextraktion verbessert wird. Anschließend wird SVM eingesetzt, um die geclusterten Daten in positive, negative oder neutrale Bewertungen zu klassifizieren. Der kombinierte Ansatz verbessert die Klassifizierungsgenauigkeit, reduziert die Rechenkosten und bewältigt effektiv große Datensätze. Die experimentellen Ergebnisse zeigen, dass das vorgeschlagene Modell herkömmliche eigenständige Klassifizierungsverfahren in Bezug auf Präzision, Wiedererkennung und Gesamtgenauigkeit übertrifft.