در چارچوب یادگیری ماشین برای ریاضیات مجموعه ای از الگوریتم های یادگیری ماشین قدرتمند یکپارچه به یک چارچوب برای هدف اصلی از تجزیه و تحلیل داده است.
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 تنها. این ترکیبی از الگوریتم های متمایز ممکن است کاربر بینش پیش بینی نشده را به داده های آن.
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 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.
اجرا می شود مادری در اینتل، مکینتاش
اجرا می شود در حالت 64 بیتی بر روی G5-مکینتاش
درخت های تصمیم گیری فازی
آموزش قانون فازی
درختان رگرسیون فازی
توصیف خوشه
بهینه سازی کنترل فازی
نقشه های خود-سازمان
تست مدل های خودکار
تجسم داده پیشرفته
مشاهده یادداشت انتشار
مورد نیاز:
MacOS اکس 10.3 (یا بالاتر)
ریاضیات 5.0 (یا بالاتر)
نظر یافت نشد