26,99 €
inkl. MwSt.
Versandfertig in 1-2 Wochen
13 °P sammeln
Andere Kunden interessierten sich auch für
![Multi-agent systemen op een kleurenwiel]( "Multi-agent systemen op een kleurenwiel")
Multi-agent systemen op een kleurenwiel36,99 €![HET GEBRUIK VAN DE COMPUTER ALS EEN MEDIUM VOOR ONDERWIJS]( "HET GEBRUIK VAN DE COMPUTER ALS EEN MEDIUM VOOR ONDERWIJS")
HET GEBRUIK VAN DE COMPUTER ALS EEN MEDIUM VOOR ONDERWIJS36,99 €![IMMUNOMODULATIE VAN HET LICHAAM VAN EEN CORONA-AANVAL]( "IMMUNOMODULATIE VAN HET LICHAAM VAN EEN CORONA-AANVAL")
IMMUNOMODULATIE VAN HET LICHAAM VAN EEN CORONA-AANVAL18,99 €![Een NOVELSTRATEGIE VOOR HOGE THROUGHPUT IN DRAAIELIJKE Ad-Hoc NETWERKEN]( "Een NOVELSTRATEGIE VOOR HOGE THROUGHPUT IN DRAAIELIJKE Ad-Hoc NETWERKEN")
Een NOVELSTRATEGIE VOOR HOGE THROUGHPUT IN DRAAIELIJKE Ad-Hoc NETWERKEN25,99 €![EDUCATIONELE SPELLETJES: een aanpak voor het leren in het wiskundeonderwijs]( "EDUCATIONELE SPELLETJES: een aanpak voor het leren in het wiskundeonderwijs")
EDUCATIONELE SPELLETJES: een aanpak voor het leren in het wiskundeonderwijs26,99 €![Controleren van de conformiteit]( "Controleren van de conformiteit")
Controleren van de conformiteit31,99 €![Gebruik van Digital Gaming in de onderwijsomgeving]( "Gebruik van Digital Gaming in de onderwijsomgeving")
Gebruik van Digital Gaming in de onderwijsomgeving18,99 €
Dit werk maakt deel uit van het statistisch leren van gegevens voor de ontwikkeling van modellen. Meer in het bijzonder is het gewijd aan de studie van random forests, een van de meest recente algoritmen in de familie van patroonclassificatiemethoden. Een groot voordeel van random forest is dat het kan worden gebruikt voor zowel classificatie- als regressieproblemen, die de meerderheid vormen van de huidige systemen voor machinaal leren. In dit werk gebruikten wij coronavirusgegevens om het voorgestelde model te genereren en te evalueren. Wij kozen voor random forests, die een uniforme meerderheidsstemming van beslissingsbomen toepassen om een optimale voorspelling te produceren, om patiënten te classificeren die positief of negatief op coronavirus testten. De gegevens werden gebruikt als een trainingsmonster om een beslissingsmodel te ontwerpen.