Abstract
The research demonstrates efficiency of the heterogeneous model ensemble application for a cancer diagnostic procedure. Machine learning methods used for the ensemble model training are neural networks, random forest, support vector machine and offspring selection genetic algorithm. Training of models and the ensemble design is performed by means of HeuristicLab software. The data used in the research have been provided by the General Hospital of Linz, Austria.
| Originalsprache | Englisch |
|---|---|
| Seiten (von - bis) | 135-142 |
| Fachzeitschrift | Information Technology and Management Science |
| Jahrgang | 18 |
| Ausgabenummer | 1 |
| DOIs | |
| Publikationsstatus | Veröffentlicht - Dez. 2015 |
UN SDGs
Dieser Output leistet einen Beitrag zu folgendem(n) Ziel(en) für nachhaltige Entwicklung
-
SDG 3 – Gute Gesundheit und Wohlergehen
Schlagwörter
- Classification task
- ensemble modelling
- machine learning
- majority voting
Fingerprint
Untersuchen Sie die Forschungsthemen von „Heterogeneous versus Homogeneous Machine Learning Ensembles“. Zusammen bilden sie einen einzigartigen Fingerprint.Zitieren
- APA
- Author
- BIBTEX
- Harvard
- Standard
- RIS
- Vancouver