| 商家名称 | 信用等级 | 购买信息 | 订购本书 |
 |
 |
基于半监督与集成学习的文本分类方法 |  |
 |
|
基于半监督与集成学习的文本分类方法 | |
出版日期: 2013年8月1日
文本分类技术广泛应用于新闻媒体、网络期刊文献、数字图书馆、互联网等领域，是人类处理海量文本信息的重要手段。
本书重点探讨了利用信息论中的评估函数量化特征权值的方法；基于权值调整改进Co-training的算法；利用互信息或CHI统计量构造特征独立模型，进行特征子集划分的方法；基于投票熵维护样本权重的BoostVE分类模型；融合半监督学习和集成学习的SemiBoost-CR分类模型。
其中特征选择和权值调整方法、基于特征独立模型划分特征子集的方法适用于文本分类，其他算法不仅适用于文本分类，对机器学习和数据挖掘的其他研究也有较大的参考价值和借鉴作用。
喜欢基于半监督与集成学习的文本分类方法请与您的朋友分享,由于版权原因，读书人网不提供图书下载服务
