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: Leo Breiman, Jerome Friedman, Richard A. Olshen, Charles J. Stone سری: The Wadsworth statistics / probability series ISBN (شابک) : 0412048418 ناشر: CRC سال نشر: 1984 تعداد صفحات: 366 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Classification and regression trees 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 درختان طبقه بندی و رگرسیون 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.
متدولوژی مورد استفاده برای ساخت قوانین ساختار یافته درختی تمرکز این تک نگاری است. بر خلاف بسیاری از روشهای آماری دیگر، که از مداد و کاغذ به ماشینحساب منتقل شدند، استفاده این متن از درختان قبل از رایانه غیرقابل تصور بود. هر دو جنبه عملی و نظری در مطالعه نویسندگان روش های درختی توسعه یافته است. درختان طبقه بندی و رگرسیون این دو طرف را منعکس می کند، استفاده از درختان را به عنوان روش تجزیه و تحلیل داده ها پوشش می دهد، و در یک چارچوب ریاضی تر، برخی از ویژگی های اساسی آنها را اثبات می کند.
The methodology used to construct tree structured rules is the focus of this monograph. Unlike many other statistical procedures, which moved from pencil and paper to calculators, this text's use of trees was unthinkable before computers. Both the practical and theoretical sides have been developed in the authors' study of tree methods. Classification and Regression Trees reflects these two sides, covering the use of trees as a data analysis method, and in a more mathematical framework, proving some of their fundamental properties.
Contents Preface Acknowledgments 1 Background 2 Introduction to Tree Classification 3 Right Sized Trees and Honest Estimates 4 Splitting Rules 5 Strengthening and Interpreting 6 Medical Diagnosis and Prognosis 7 Mass Spectra Classification 8 Regression Trees 9 Bayes Rules and Partitions 10 Optimal Pruning 11 Construction of Trees from a Learning Sample 12 Consistency Bibliography Notation Index Subject Index