در چارچوب یادگیری ماشین برای ریاضیات مجموعه ای از الگوریتم های یادگیری ماشین قدرتمند یکپارچه را به یک چارچوب برای هدف اصلی از تجزیه و تحلیل داده است.
در منطق فازی یکی از تکنیک های کلیدی آن است. چارچوب اجازه می دهد تا برای ترکیب الگوریتم های یادگیری ماشین های مختلف برای حل یک مشکل است. این ترکیبی از الگوریتم متمایز ممکن است کاربر بینش پیش بینی نشده را به داده های آن.
در الگوریتم های بسیار parameterizable. با توجه به این parameterizability همراه با موتور هسته کارآمد از چارچوب یادگیری ماشین برای ریاضیات، کاربر قادر به تجزیه و تحلیل داده های خود را تعاملی، با چرخه کوتاه از تغییر تنظیمات پارامتر و بررسی نتایج است.
در چارچوب یادگیری ماشین برای ریاضیات را پوشش می دهد طیف گسترده ای از الگوریتم های یادگیری ماشین است که می تواند یکپارچه با هم کار کنند و در نتیجه نتایج جدید
چه در این نسخه جدید است:
درخت های تصمیم گیری فازی
یادگیری قانون فازی
درختان رگرسیون فازی
توصیف خوشه
بهینه سازی کنترل فازی
نقشه های خود-سازمان
تست مدل های خودکار
تجسم داده و جوی پیشرفته
نگاه کنید به یادداشت انتشار
مورد نیاز:
MS ویندوز 2000 / XP
ریاضیات 5.0 (یا بالاتر)
نظر یافت نشد