Datensatzmodifikation zur Verbesserung der Leistung und Geschwindigkeit des ML-Algorithmus

Wir schlagen zwei Vorverarbeitungsschritte für die Klassifizierung vor, die konvexe Hüllen-basierte Algorithmen auf den Trainingssatz anwenden, um die Leistung und Geschwindigkeit der Klassifizierung zu verbessern. Der Algorithmus zur Klassenrekonstruktion verwendet einen Clustering-Algorithmus in Kombination mit einem auf einer konvexen Hülle basierenden Ansatz, der den Datensatz mit einer neuen und erweiterten Klassenstruktur neu beschriftet. Wir demonstrieren, wie dieser Algorithmus zur Leistungsverbesserung die Genauigkeitsergebnisse von Naive Bayes in einigen, aber nicht allen Fällen, in denen reale Datensätze verwendet werden, steigern kann.