Ensemble Methods in Machine Learning

Thomas G. Dietterich · Lecture notes in computer science · 2000

Ressourcenseite

Schnellübersicht. Prüfen Sie die grundlegenden Angaben und öffnen Sie den Inhalt über die Hauptschaltfläche. Die Seite zeigt nur die Informationen, die zum Identifizieren, Zitieren und Öffnen des Werks nötig sind.

Autor / Verantwortliche

Thomas G. Dietterich

Verlag

Lecture notes in computer science

Jahr

2000

Sprache

Inglés

Zugriff auf die Ressource

Öffnen Sie den Inhalt über die Hauptoption oder wählen Sie eine andere verfügbare Quelle.

OpenAlex OpenAlex Works

Entrar por OpenAlex

Hauptzugriff

Ressourcenseite

Referenzseite der Ressource. Die Verfügbarkeit des Volltexts wurde nicht automatisch bestätigt.

Ressource öffnen

Zitieren

Elegí el formato que necesitás y copiá la referencia al portapapeles.

APA 7

Dietterich, T. G. (2000). Ensemble Methods in Machine Learning. Lecture notes in computer science. https://doi.org/10.1007/3-540-45014-9_1

MLA

Dietterich, Thomas G. Ensemble Methods in Machine Learning. Lecture notes in computer science, 2000. https://doi.org/10.1007/3-540-45014-9_1.

Chicago

Dietterich, Thomas G. 2000. Ensemble Methods in Machine Learning. Lecture notes in computer science. https://doi.org/10.1007/3-540-45014-9_1.

Harvard

Dietterich, T. G. 2000, Ensemble Methods in Machine Learning, Lecture notes in computer science, available at: https://doi.org/10.1007/3-540-45014-9_1 [Accessed 7 Aug. 2026].

Teilen und drucken

Speichern Sie den Datensatz, kopieren Sie den Permalink oder drucken Sie ihn als PDF.

Referenz exportieren

Exportieren Sie den Datensatz in gängigen Formaten für Literaturverwaltungsprogramme.

RIS BibTeX

Ressourcendetails

Bibliografische Angaben zur Prüfung, ob es sich um das richtige Material handelt.

Titel: Ensemble Methods in Machine Learning

Autor / Mitwirkende: Thomas G. Dietterich

Verlag: Lecture notes in computer science

Erscheinungsjahr: 2000

Sprache: Inglés

Schlagwörter

Entdecken Sie über diese Schlagwörter weitere verwandte Ressourcen.

Computer science; Overfitting; Ensemble learning; Boosting (machine learning); AdaBoost; Artificial intelligence; Machine learning; Classifier (UML); Bayesian probability; Pattern recognition (psychology); Artificial neural network