Using genetic programming to estimate performance of computational intelligence models

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F13%3A10286078" target="_blank" >RIV/00216208:11320/13:10286078 - isvavai.cz</a>
Výsledek na webu
<a href="http://link.springer.com/chapter/10.1007%2F978-3-642-37213-1_18#page-1" target="_blank" >http://link.springer.com/chapter/10.1007%2F978-3-642-37213-1_18#page-1</a>
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Using genetic programming to estimate performance of computational intelligence models
Popis výsledku v původním jazyce
This paper deals with the problem of choosing the most suitable model for a new data mining task. The metric is proposed on the data mining tasks space, and similar tasks are identified based on this metric. A function estimating models performance on the new task from both the time and error point of view is evolved by means of genetic programming. The approach is verified on data containing results of several hundred thousands machine learning experiments.
Název v anglickém jazyce
Using genetic programming to estimate performance of computational intelligence models
Popis výsledku anglicky
This paper deals with the problem of choosing the most suitable model for a new data mining task. The metric is proposed on the data mining tasks space, and similar tasks are identified based on this metric. A function estimating models performance on the new task from both the time and error point of view is evolved by means of genetic programming. The approach is verified on data containing results of several hundred thousands machine learning experiments.

Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění
2013
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)