Mashinani o'rganish algoritmlari uchun giperparametr qidirish Hisoblash murakkabligini optimallashtirish

Mumkin qiymatlar
Yechiuvchi amalga oshirishi mumkin bo'lgan iteratsiyalar sonining qattiq yuqori chegarasi yoki
agar yo'q bo'lsa -1.
Machine Translated by Google

---

Shakl 12. ACO-SVMning yurak kasalliklari bo'yicha
ishlashi.
ACO SVM ning yurak ma'lumotlar to'plamida ishlashi
Parametr
Jarayonlar 2023, 11, 349
16 / 21
Algoritmda foydalaniladigan yadro turini belgilaydi.
U erda Daraja umuman e'tiborga olinmagan . u erdagi boshqa
har bir yadro tomonidan.
C
Yadro
Ma'lumotni qazib olishda ma'lumotlarni tasniflash jarayoni genetik algoritmlardan foydalanish
bilan murakkablashadi . Ma'lumotlarni tasniflash jarayoni ikki bosqichga bo'linadi: o'qitish va
baholash. O'qitish bosqichida tasniflash modeli yaratiladi, keyinchalik u tasniflash bosqichida
kirishga asoslangan natijalar haqida bashorat qilish uchun ishlatiladi. Genlar bir shaxsni
boshqasidan ajratib turadigan asosiy komponentlardir . Genlar bir-biri bilan shu tarzda (eritma)
bog'langanda xromosomalar hosil bo'ladi . Genetik algoritmda organizmning genlari alifbo va son
qator shaklida ko'rsatiladi. Ko'pincha ikkilik raqamlardan foydalanish (1 va 0 qatorlari) ustunlik
qiladi. SVM parametrlarini yoki xususiyat kichik to'plamlarini alohida-alohida maksimal darajada
oshiradigan boshqa strategiyalardan ko'ra genetik algoritmdan foydalanish afzalroqdir, chunki
genetik algoritm ikkalasini bir vaqtning o'zida optimallashtirish imkoniyatiga ega. GA SVM ning
ishlashi
13
va 14 -rasmlarda ko'rsatilgan .
Tanlangan eng yaxshi SVM parametrlari 3-jadvalda ko'rsatilgan. Tanlangan eng yaxshi SVM parametrlari 3-jadvalda ko'rsatilgan .
4.3. GA-SVM ishlashi
C
Jadval 3. Tanlangan eng yaxshi ACO-SVM parametrlari. Jadval 3. Tanlangan eng yaxshi ACO-SVM parametrlari.