Applied machine learning efficient par vijayaragavan (4 résultats)

- Couverture souple
Vendeur : California Books, Miami, FL, Etats-UnisCalifornia Books
Contacter le vendeurVendeur avec une évaluation de 5 étoilesEtat: Neuf
EUR 86,44
Frais de port gratuitsExpédition nationale : Etats-UnisQuantité disponible : Plus de 20 disponibles
Etat : New.

- Couverture souple
Vendeur : Ria Christie Collections, Uxbridge, Royaume-UniRia Christie Collections
Contacter le vendeurVendeur avec une évaluation de 5 étoilesEtat: Neuf
EUR 86,62
EUR 11,05 expéditionExpédition depuis Royaume-Uni vers Etats-UnisQuantité disponible : Plus de 20 disponibles
Etat : New. In English.
Autres images- Couverture souple
Vendeur : preigu, Osnabrück, Allemagnepreigu
Contacter le vendeurVendeur avec une évaluation de 5 étoilesEtat: Neuf
EUR 67,20
EUR 70,00 expéditionExpédition depuis Allemagne vers Etats-UnisQuantité disponible : 5 disponibles
Taschenbuch. Etat : Neu. Applied Machine Learning | An Efficient Clustering Based Classification Model for OnlineProduct Reviews Using Support Vector Machines and K-means A | Vijayaragavan P | Taschenbuch | Englisch | 2025 | LAP LAMBERT Academic Publishing | EAN 9786208432119 | Verantwortliche Person für die EU: preigu GmbH & Co. KG, Lengericher Landstr. 19, 49078 Osnabrück, mail[at]preigu[dot]de | Anbieter: preigu.…

- Couverture souple
- impression à la demande
Vendeur : AHA-BUCH GmbH, Einbeck, AllemagneAHA-BUCH GmbH
Contacter le vendeurVendeur avec une évaluation de 5 étoilesEtat: Neuf
EUR 80,86
EUR 35,00 expéditionExpédition depuis Allemagne vers Etats-UnisQuantité disponible : 1 disponible
Taschenbuch. Etat : Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - This study presents a hybrid model that leverages the strengths of K-means clustering and Support Vector Machines (SVM) for classifying online product reviews. K-means is used to group reviews into clusters, reducing data complexity and improving feature extraction. Subsequently, SVM is employed to classify the clustered data into positive, negative, or neutral sentiments. The combined approach enhances classification accuracy, reduces computational cost, and effectively handles large datasets. Experimental results demonstrate that the proposed model outperforms traditional standalone classifiers in terms of precision, recall, and overall accuracy. …