Kirjahaku

Die Auswirkungen fehlender Werte auf die Datenklassifizierung werden untersucht. Es wird eine vergleichende Analyse der Genauigkeit der Datenklassifizierung in verschiedenen Szenarien vorgestellt. In der Studie werden mehrere Suchtechniken f r die Merkmalsauswahl ber cksichtigt und zur Vorverarbeitung des Datensatzes eingesetzt. Die Vorhersageleistung g ngiger Klassifikatoren wird quantitativ verglichen. Der Datensatz stammt aus einem Kontext der Brustkrebserkennung und -entscheidung, der im UCI-Repository f r maschinelles Lernen verf gbar ist. Nach der Analyse der experimentellen Ergebnisse wird in der Arbeit das allgemeine Konzept der verbesserten Klassifizierungsgenauigkeit durch die Ersetzung fehlender Werte dargelegt.

L'effet des valeurs manquantes sur la classification des donn es est tudi . Une analyse comparative de la pr cision de la classification des donn es dans diff rents sc narios est pr sent e. Plusieurs techniques de recherche sont prises en compte dans l' tude pour la s lection des caract ristiques et sont appliqu es pour le pr traitement de l'ensemble de donn es. Les performances pr dictives des classificateurs les plus courants sont compar es quantitativement. L'ensemble de donn es est tir d'un contexte de d tection et de d cision de cancer du sein disponible dans le r f rentiel d'apprentissage automatique de l'UCI. Apr s analyse des r sultats exp rimentaux, le travail tablit le concept g n ral d'am lioration de la pr cision de la classification en utilisant le remplacement des valeurs manquantes.

Viene studiato l'effetto dei valori mancanti sulla classificazione dei dati. Viene presentata un'analisi comparativa dell'accuratezza della classificazione dei dati in diversi scenari. Nello studio vengono prese in considerazione diverse tecniche di ricerca per la selezione delle caratteristiche e vengono applicate per preelaborare il set di dati. Le prestazioni predittive dei classificatori pi diffusi vengono confrontate quantitativamente. Il set di dati stato ricavato da un contesto di rilevazione-decisione del cancro al seno disponibile presso il repository di machine learning dell'UCI. Dopo aver analizzato i risultati sperimentali, il lavoro stabilisce il concetto generale di miglioramento dell'accuratezza della classificazione utilizzando la sostituzione dei valori mancanti.

estudado o efeito dos valores em falta na classifica o dos dados. apresentada uma an lise comparativa da precis o da classifica o dos dados em diferentes cen rios. No estudo, s o consideradas v rias t cnicas de pesquisa para a sele o de caracter sticas e s o aplicadas para pr -processar o conjunto de dados. Os desempenhos preditivos dos classificadores populares s o comparados quantitativamente. O conjunto de dados retirado de um contexto de dete o-decis o de cancro da mama dispon vel no reposit rio de aprendizagem autom tica da UCI. Depois de analisar os resultados experimentais, o trabalho estabelece o conceito geral de uma melhor precis o de classifica o utilizando a substitui o de valores em falta.