This work describes the results obtained by applying a machine learning method based on cluster analysis applied to a database of data that simulates an industrial production process. The topic is pattern recognition, and the method is compared to other 7 methods from literature: Classification and Regression Trees; C4.5; PART; Bagging CART; Random Forest; Boosted C5.0; Support Vector Machines.

Experimental findings in machine learning methods development

Rao, M.
2020

Abstract

This work describes the results obtained by applying a machine learning method based on cluster analysis applied to a database of data that simulates an industrial production process. The topic is pattern recognition, and the method is compared to other 7 methods from literature: Classification and Regression Trees; C4.5; PART; Bagging CART; Random Forest; Boosted C5.0; Support Vector Machines.
Questo lavoro descrive i risultati ottenuti dall'applicazione di un metodo di apprendimento automatico basato sull'analisi dei cluster applicato a un database di dati che simulano un processo di produzione industriale. Il tema trattato è il riconoscimento di pattern, e il metodo è posto a confronto con altri sette metodi tratti dalla letteratura: Classification and Regression Trees; C4.5; PART; Bagging CART; Random Forest; Boosted C5.0; Support Vector Machines.
File in questo prodotto:
File Dimensione Formato  
RT-2020-04-ENEA.pdf

accesso aperto

Tipologia: Versione Editoriale (PDF)
Licenza: Creative commons
Dimensione 1.13 MB
Formato Adobe PDF
1.13 MB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/20.500.12079/53341
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
social impact