Connexion
S'inscrire
Réinitialiser le mot de passe
Publier & Distribuer
Solutions d'édition
Solutions de distribution
Thèmes
Architecture et design
Arts
Business et économie
Chimie
Chimie industrielle
Droit
Géosciences
Histoire
Informatique
Ingénierie
Intérêt général
Linguistique et sémiotique
Littérature
Mathématiques
Musique
Médecine
Pharmacie
Philosophie
Physique
Sciences bibliothécaires et de l'information, études du livre
Sciences des matériaux
Sciences du vivant
Sciences sociales
Sport et loisirs
Théologie et religion
Études classiques et du Proche-Orient ancient
Études culturelles
Études juives
Publications
Journaux
Livres
Comptes-rendus
Éditeurs
Blog
Contact
Chercher
EUR
USD
GBP
Français
English
Deutsch
Polski
Español
Français
Italiano
Panier
Home
Journaux
International Journal of Advanced Network, Monitoring and Controls
Édition 3 (2018): Edition 1 (January 2018)
Accès libre
An Ensemble Learning Method for Text Classification Based on Heterogeneous Classifiers
Fan Huimin
Fan Huimin
,
Li Pengpeng
Li Pengpeng
,
Zhao Yingze
Zhao Yingze
et
Li Danyang
Li Danyang
| 07 mai 2018
International Journal of Advanced Network, Monitoring and Controls
Édition 3 (2018): Edition 1 (January 2018)
À propos de cet article
Article précédent
Article suivant
Résumé
Article
Figures et tableaux
Références
Auteurs
Articles dans cette édition
Aperçu
PDF
Citez
Partagez
Publié en ligne:
07 mai 2018
Pages:
130 - 134
DOI:
https://doi.org/10.21307/ijanmc-2018-021
Mots clés
Machine Learning
,
Ensemble Learning
,
Text Classification
© 2018 Fan Huimin et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Figure 1.
Experiment on the variation of feature dimension between integrated model and single classifier model
TABLE I.
EXPERIMENT OF THE PERTURBATION OF FEATURE SELECTION ALGORITHM
TABLE II.
PARAMETER PERTURBATION EXPERIMENT OF K NEAREST NEIGHBOR CLASSIFIER
TABLE III.
PERTURBATION EXPERIMENT OF BAYESIAN CLASSIFIER PARAMETER
TABLE IV.
PERTURBATION EXPERIMENT OF LOGISTIC REGRESSION CLASSIFIER PARAMETER
TABLE V.
BASE CLASSIFIER DIVERSITY MEASURE KW VALUE
TABLE VI.
MODEL PARAMETERS
TABLE VII.
THE COMPARISON BETWEEN THE MODEL AND BAGGING MODEL