Bis zu 50 % günstiger als neu 3 Jahre rebuy Garantie Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
Honor SerieY-Serie
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
Galaxy XcoverWeitere Modelle
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
System & SpiegelreflexAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
Beats by Dr. DreGoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Large Scale Hierarchical Classification: State of the Art

Huzefa Rangwala (Taschenbuch, Englisch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
This SpringerBrief covers the technical material related to large scale hierarchical classification (LSHC). HC is an important machine learning problem that has been researched and explored extensively in the past few years. In this book, the authors provide a comprehensive overview of various state-of-the-art existing methods and algorithms that were developed to solve the HC problem in large scale domains. Several challenges faced by LSHC is discussed in detail such as: 1. High imbalance between classes at different levels of the hierarchy 2. Incorporating relationships during model learning leads to optimization issues 3. Feature selection 4. Scalability due to large number of examples, features and classes 5. Hierarchical inconsistencies 6. Error propagation due to multiple decisions involved in making predictions for top-down methods The brief also demonstrates how multiple hierarchies can be leveraged forimproving the HC performance using different Multi-Task Learning (MTL) frameworks. The purpose of this book is two-fold: 1. Help novice researchers/beginners to get up to speed by providing a comprehensive overview of several existing techniques. 2. Provide several research directions that have not yet been explored extensively to advance the research boundaries in HC. New approaches discussed in this book include detailed information corresponding to the hierarchical inconsistencies, multi-task learning and feature selection for HC. Its results are highly competitive with the state-of-the-art approaches in the literature.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 42,99 €
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
12.10.2018
Sprache
Englisch
EAN
9783030016197
Herausgeber
Springer International Publishing
Serien- oder Bandtitel
SpringerBriefs in Computer Science
Sonderedition
Nein
Autor
Huzefa Rangwala
Seitenanzahl
93
Auflage
1st edition 2018
Einbandart
Taschenbuch
Schlagwörter
hierarchical classification, hierarchical inconsistencies, data mining, artificial intelligence, large scale
Thema-Inhalt
UNF - Data Mining UYQE - Wissensbasierte Systeme, Expertensysteme UYQ - Künstliche Intelligenz
Höhe
235 mm
Breite
15.5 cm

Hersteller: Birkhäuser, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com, Springer Nature Customer Service Center GmbH

Warnhinweise und Sicherheitsinformationen

Informationen nach EU Data Act

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Sicher bei rebuy kaufen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!
Sicher bei rebuy kaufen