| LEADER |
03869nam a22002417a 4500 |
| 001 |
0059276 |
| 041 |
|
|
|a ara
|
| 044 |
|
|
|b مصر
|
| 100 |
|
|
|9 340703
|a وهبه، رشاد رؤوف ثابت
|q Wahbah, Rashad Raouf Thabet
|e مؤلف
|
| 242 |
|
|
|a Improving Predictive Accuracy of The SVM Method by Optimizing the Parameters Y and C Using Three-Phase Network Search
|
| 245 |
|
|
|a تحسين الدقة التنبؤية لأسلوب SVM عن طريق التحديد الأمثل للمعلمتين Y ،C باستخدام البحث الشبكي ثلاثي المراحل
|
| 260 |
|
|
|b جامعة عين شمس - كلية التجارة
|c 2015
|g يناير
|
| 300 |
|
|
|a 581 - 598
|
| 336 |
|
|
|a بحوث ومقالات
|b Article
|
| 520 |
|
|
|f Support Vector Machine (SVM) is one of the most powerful and most accurate machine learning techniques used in knowledge discovery and data mining, which has been instrumental in recent years compared to other machine learning algorithms. Since the efficiency of the SVM method depends on the value of parameter C and parameter Y values of the Gaussian Radial Basis Function (RBF) function, the researcher designed a method based on 3-Phase Grid-Search so as to determine the optimal value for each parameter. The results of the study confirmed that the predictive accuracy of the SVM method improves significantly when reaching the last stage (Phase III), and there is no difference in predictive accuracy between Phase II and Phase III. This is an indicator that it is not preferable to use the value of parameters C and Y in the initial stage because of the low predictive accuracy of the model, making network search an effective way of reaching the best results.\nThis abstract translated by Dar AlMandumah Inc. 2018
|
| 520 |
|
|
|a يعد أسلوب Support Vector Machine (SVM) من بين أكثر وأقوى وأدق تقنيات التعلم الآلي المستخدمة في عملية اكتشاف المعرفة وتنقيب البيانات، حيث نال هذا الأسلوب أهمية بالغة في السنوات الأخيرة مقارنة بخوارزميات التعلم الآلي الأخرى. وحيث أن كفاءة أسلوب SVM تعتمد على قيمة المعلمة C، وقيم المعلمة Y الخاصة بدالة Gaussian Radial Basis Function (RBF)، فإن الباحث قام بتصميم طريقة تعتمد على البحث الشبكي ثلاثي المراحل 3-Phases Grid-Search وذلك لتحديد القيمة المثلى لكل معلمة. وقد أكدت نتائج الدراسة أن الدقة التنبؤية لأسلوب SVM تتحسن بشكل ملحوظ عند الوصول للمرحلة الأخيرة (المرحلة الثالثة)، كما أنه لا يوجد اختلاف في الدقة التنبؤية بين المرحلة الثانية والمرحلة الثالثة. وهذا مؤشر أنه لا يفضل استخدام قيمة المعلمتين C و Y في المرحلة الأولى لانخفاض الدقة التنبؤية للنموذج، مما يجعل البحث الشبكي طريقة فعالة في الوصول إلى أفضل النتائج.
|
| 653 |
|
|
|a التنبؤ
|a البحث الشبكي
|a التطور التكنولوجي
|a الدقة التنبؤية
|a تكنولوجيا المعلومات
|a الانحرافات الوراثية
|
| 700 |
|
|
|a الاتربي، عمرو إبراهيم عبدالرحمن
|q Alatribi, Amr Ibrahim Abdulrahman
|e مشرف
|9 75164
|
| 773 |
|
|
|4 الاقتصاد
|4 الإدارة
|6 Economics
|6 Management
|c 021
|e Scientific Journal for Economic & Commerce
|f Al-Maġallah Al-ʿilmiyyah Lil-Iqtiṣād Wal Tiğārah
|l 001
|m ع1
|o 0527
|s المجلة العلمية للاقتصاد والتجارة
|v 045
|x 2636-2562
|
| 856 |
|
|
|u 0527-045-001-021.pdf
|
| 930 |
|
|
|d y
|p y
|q y
|
| 995 |
|
|
|a EcoLink
|
| 999 |
|
|
|c 661520
|d 661520
|
