JÄMFÖRELSE AV KLASSIFICERINGSMETODER PÅ DATA FRÅN BETULA-STUDIEN : En jämförande studie mellan Linjär Diskriminantanalys, Gradient Tree Boosting och Support Vector Machines
Det saknas idag resultat inom forskning som kan urskilja en klassificeringsmetod som konsekvent presterar bättre än övriga, vilken metod som presterar bäst beror mer på datats karaktäristika än själva metoden. Samtidigt är klassificering ett viktigt och användbart verktyg som används inom flera områ...
| Main Authors: | , |
|---|---|
| Format: | Others |
| Language: | Swedish |
| Published: |
Umeå universitet, Statistik
2017
|
| Subjects: | |
| Online Access: | http://urn.kb.se/resolve?urn=urn:nbn:se:umu:diva-137913 |