دانلود مقاله ISI انگلیسی شماره 110621
ترجمه فارسی عنوان مقاله

یادگیری سریع افزایشی از درخت مدل لجستیک با استفاده از رگرسیون حداقل زاویه

عنوان انگلیسی
Fast incremental learning of logistic model tree using least angle regression
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
110621 2018 28 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 8119 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 70 تومان 14 روز بعد از پرداخت 568,330 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 140 تومان 7 روز بعد از پرداخت 1,136,660 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
تولید محتوا برای سایت شما
پایگاه ISIArticles آمادگی دارد با همکاری مجموعه «شهر محتوا» با بهره گیری از منابع معتبر علمی، برای کتاب، سایت، وبلاگ، نشریه و سایر رسانه های شما، به زبان فارسی «تولید محتوا» نماید.
  • تولید محتوا با مقالات ISI برای سایت یا وبلاگ شما
  • تولید محتوا با مقالات ISI برای کتاب شما
  • تولید محتوا با مقالات ISI برای نشریه یا رسانه شما
  • و...

پیشنهاد می کنیم کیفیت محتوای سایت خود را با استفاده از منابع علمی، افزایش دهید.

سفارش تولید محتوا کد تخفیف 10 درصدی: isiArticles
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 97, 1 May 2018, Pages 137-145

ترجمه کلمات کلیدی
درختان مدل، درختان تصمیم گیری، رگرسیون لجستیک، تقویت، رنج کمتر زاویه، طبقه بندی،
کلمات کلیدی انگلیسی
Model trees; Decision trees; Logistic regression; Boosting; Least angle regression; Classification;
پیش نمایش مقاله
پیش نمایش مقاله یادگیری سریع افزایشی از درخت مدل لجستیک با استفاده از رگرسیون حداقل زاویه

چکیده انگلیسی

Expert and intelligent systems understand the underlying information behind the data by relying on a wide range of machine learning techniques. The interpretation of machine learning models is often the key to success in research areas such as business, finance, medical and health science, and bioinformatics; such research areas demand human understanding of the obtained model. The logistic model tree (LMT) algorithm is a popular classification method that combines a decision tree and logistic regression models. The combination of two complementary algorithms produces an accurate and interpretable classifier by combining the advantages of both logistic regression and tree induction. However, LMT has the disadvantage of high computational cost, which makes the algorithm undesirable in practice. In this paper, we propose an efficient method to learn the logistic regression models in the tree. We employ least angle regression to update the regression model in LogitBoost so that the algorithm efficiently learns sparse logistic regression models composed of relevant input variables. We compare the performance of our proposed method with the original LMT algorithm using 14 benchmark datasets and show that the training time dramatically decreases while the accuracy is preserved. Our proposed algorithm is not only accurate and intuitively interpretable but also computationally efficient. It helps users in making the best possible use of the data that are included in expert and intelligent systems.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 8119 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 70 تومان 14 روز بعد از پرداخت 568,330 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 140 تومان 7 روز بعد از پرداخت 1,136,660 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.