دیتاست پایه اتصال (به رسمیت شناختن – محاسبه داده ها)

دیتاست پایه اتصال (به رسمیت شناختن – محاسبه داده ها)

این پروژه مربوط به دیتاست پایه اتصال (به رسمیت شناختن – محاسبه داده ها) می باشد. مشکل توسط فایل داده همراه، vowel.data” ” مشخص شده است. این شامل یک آرایه سه بعدی است:   voweldata  [بلندگو، صدادار، ورودی]. سخنرانان با عدد صحیح ۰-۸۹ نمایه می شوند. (در واقع، پانزده نفر از سخنرانهای فردی وجود دارد، هر کدام هر صدای واضح را شش بار میگویند.) صداهای واضح توسط عدد صحیح ۰-۱۰ نشان داده میشوند. برای هر جمله ده مقدار شناور نقطه شناور وجود دارد، با شاخص های آرایه ۰-۹٫

مشکل این است که آموزش شبکه و همچنین ممکن است تنها با استفاده از داده های “سخنرانان” ۰-۴۷، و سپس برای آزمایش شبکه در سخنرانان ۴۸-۸۹، گزارش تعدادی از طبقه بندی های صحیح در مجموعه آزمون.

برای توضیح دقیق تر این مشکل، خلاصه ای از پایان نامه تونی روبینسون در بخش نظرات را ببینید. به اعتقاد روبینسون، مشکلات ارتباطی به دو دسته تقسیم می شوند: ممکن و غیرممکن است. او به دومی علاقمند است، به این معنی که او به معنی مشکلات است که راه حل دقیقی ندارند. بنابراین مشکل در اینجا این نیست که ببینیم که چگونه یک شبکه بتواند آموزش ببیند (اگرچه این مهم است)، اما برای به حداکثر رساندن عملکرد کمتر از کامل

تعداد نمونه ها:

۵۲۸ نمونه

تعداد ویژگی ها:

۱۰ ویژگی

داده های پرت:

این دیتاست فاقد داده های پرت یا missing values  می باشد.

امکانات پروژپایه اتصال (به رسمیت شناختن – محاسبه داده ها):

• این دیتاست دارای یک داکیومنت کامل فارسی است. در این داکیومنت عنوان دیتاست، توضیحات کامل دیتاست، تعداد ویژگی ها، تعداد نمونه ها، توضیح تمام ویژگی های موجود و لینک دیتاست تشریح شده است.
• این دیتاست دارای یک داکیومنت کامل انگلیسی نیز می باشد، که در این دیتاست اطلاعات کاملی به زبان لاتین در رابطه با دیتاست معرفی شده ارائه شده است.
• پس از خرید، امکان دانلود فایل اصلی دیتاست در قالب فایل اکسل میسر است.
• فایل پیش پردازش دیتاست
• وجود فایل ARFF و قابل اجرا در نرم افزار داده کاوی مثل وکا
• امکان دانلود لینک دیتاست در یک فایل متنی به صورت جداگانه

نکته: برای این دیتاست انواع الگوریتم های داده کاوی اهم از ۱۴۷ الگوریتم دسته بندی (مثل: درخت تصمیم، شبکه عصبی، ماشین بردار پشتیبان و …)، ۶ الگوریتم خوشه بندی (مثل: K-Means ، DBSCAN ،X-Means و…)، ۳ الگوریتم انجمنی (مثل Apriori ، FP-Growth  و …) و چندین الگوریتم انتخاب ویژگی (مثل PSO و …) با استفاده از ابزارهای داده کاوی و برنامه نویسی اعم از رپیدماینر، وکا، تاناگرا، SPSS، مدلر، کلمنتاین، متلب و … تهیه و پیاده سازی شده است.