دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Adetayo Kasim, Ziv Shkedy, Sebastian Kaiser, Sepp Hochreiter, Willem Talloen سری: Chapman & Hall/CRC Biostatistics Series ISBN (شابک) : 1482208237, 1315356392 ناشر: Chapman and Hall/CRC سال نشر: 2016 تعداد صفحات: 398 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 17 مگابایت
کلمات کلیدی مربوط به کتاب روشهای دو خوشهبندی برای دادههای بزرگ و با ابعاد بالا با استفاده از R: داده های بزرگ، نظریه مجموعه های خوشه، R (زبان برنامه های کامپیوتری)، کامپیوترها، پایگاه های داده، داده کاوی
در صورت تبدیل فایل کتاب Applied biclustering methods for big and high dimensional data using R به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب روشهای دو خوشهبندی برای دادههای بزرگ و با ابعاد بالا با استفاده از R نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
روش های اثبات شده برای تجزیه و تحلیل کلان داده ها
از آنجایی که داده های بزرگ در بسیاری از حوزه های کاربردی استاندارد شده اند، چالش های مربوط به روش شناسی و توسعه نرم افزار به وجود آمده است. از جمله چگونگی کشف الگوهای معنادار در حجم وسیع داده. برای رسیدگی به این مشکلات، روشهای کاربردی دو خوشهبندی برای دادههای بزرگ و با ابعاد بالا با استفاده از R نشان میدهد که چگونه میتوان روشهای دو خوشهبندی را برای یافتن الگوهای محلی در یک ماتریس کلان داده به کار برد.
این کتاب مروری بر تجزیه و تحلیل داده ها با استفاده از روش های دو خوشه بندی از نقطه نظر عملی ارائه می دهد. مطالعات موردی واقعی در کشف دارو، ژنتیک، تحقیقات بازاریابی، زیستشناسی، سمیت و ورزش استفاده از چندین روش دو خوشهسازی را نشان میدهد. ارجاع به جزئیات فنی روش ها برای خوانندگانی که مایل به بررسی پیشینه نظری کامل هستند ارائه شده است. همه روش ها با مثال های R همراه هستند که نحوه انجام تجزیه و تحلیل را نشان می دهد. نمونهها، نرمافزار و سایر مطالب در یک وبسایت تکمیلی موجود است.
Proven Methods for Big Data Analysis
As big data has become standard in many application areas, challenges have arisen related to methodology and software development, including how to discover meaningful patterns in the vast amounts of data. Addressing these problems, Applied Biclustering Methods for Big and High-Dimensional Data Using R shows how to apply biclustering methods to find local patterns in a big data matrix.
The book presents an overview of data analysis using biclustering methods from a practical point of view. Real case studies in drug discovery, genetics, marketing research, biology, toxicity, and sports illustrate the use of several biclustering methods. References to technical details of the methods are provided for readers who wish to investigate the full theoretical background. All the methods are accompanied with R examples that show how to conduct the analyses. The examples, software, and other materials are available on a supplementary website.
Content: Introduction Ziv Shkedy, Adetayo Kasim, Sepp Hochreiter, Sebastian Kaiser, and Willem TalloenFrom Cluster Analysis to Biclustering Dhammika Amaratunga, Javier Cabrera, Nolen Joy Perualila, Adetayo Kasim, and Ziv ShkedyBiclustering Methods δ-biclustering and FLOC Algorithm Adetayo Kasim, Sepp Hochreiter, and Ziv ShkedyThe xMotif Algorithm Ewoud De Troyer, Dan Lin, Ziv Shkedy, and Sebastian KaiserThe Bimax Algorithm Ewoud De Troyer, Suzy Van Sanden, Ziv Shkedy, and Sebastian KaiserThe Plaid Model Ziv Shkedy, Ewoud De Troyer, Adetayo Kasim, Sepp Hochreiter, and Heather TurnerSpectral Biclustering Adetayo Kasim, Setia Pramana, and Ziv ShkedyFABIA Sepp HochreiterIterative Signature Algorithm Adetayo Kasim and Ziv ShkedyEnsemble Methods and Robust Solutions Tatsiana Khamiakova, Sebastian Kasier, and Ziv ShkedyCase Studies and Applications Gene Expression Experiments in Drug DiscoveryWillem Talloen, Hinrich W.H. Gohlmann, Bie Verbist, Nolen Joy Perualila, Ziv Shkedy, Adetayo Kasim, and the QSTAR ConsortiumBiclustering Methods in Chemoinformatics and Molecular Modeling Nolen Joy Perualila, Ziv Shkedy, Aakash Chavan Ravindranath, Georgios Drakakis, Sonia Liggi, Andreas Bender, Adetayo Kasim, QSTAR Consortium, Willem Talloen, and Hinrich. W.H. GohlmannIntegrative Analysis of miRNA and mRNA Data Tatsiana Khamiakova, Adetayo Kasim and Ziv ShkedyEnrichment of Gene Expression Modules using Multiple Factor Analysis and Biclustering Nolen Joy Perualila, Ziv Shkedy, Dhammika Amaratunga, Javier Cabrera, and Adetayo KasimRanking of Biclusters in Drug Discovery ExperimentsNolen Joy Perualila, Ziv Shkedy, Sepp Hochreiter, and Djork-Arne ClevertHapFABIA: Biclustering for Detecting Identity by Descent Sepp HochreiterOvercoming Data Dimensionality Problems in Market SegmentationSebastian Kaiser Sara Dolnicar, Katie Lazarevski, and Friedrich LeischIdentification of Local Patterns in the NBA Performance IndicatorsZiv Shkedy, Rudradev Sengupta, and Nolen Joy PerualilaR Tools for Biclustering The BiclustGUI Package Ewoud De Troyer, Martin Otava, Jitao David Zhang, Setia Pramana, Tatsiana Khamiakova, Sebastian Kaiser, Martin Sill, Aedin Culhane, Daniel Gusenleitner,Pierre Gestraud, Gabor Csardi, Mengsteab Aregay, Sepp Hochreiter, Gunter Klambauer, Djork-Arne Clevert, Tobias Verbeke, Nolen Joy Perualila, Adetayo Kasim, and Ziv ShkedyWe R a Community: Including a New Package in BiclustGUI Ewoud De TroyerBiclustering for Cloud Computing Rudradev Sengupta, Oswaldo Trelles, Oscar Torreno Tirado, and Ziv ShkedyThe biclustGUI Shiny App Ewoud De Troyer, Rudradev Sengupta, Martin Otava, Jitao David Zhang, Sebastian Kaiser, Aedin Culhane, Daniel Gusenleitner, Pierre Gestraud, Gabor Csardi, Sepp Hochreiter, Gunter Klambauer, Djork-Arne Clevert, Nolen Joy Perualila, Adetayo Kasim, and Ziv ShkedyBibliography Index