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: 2
نویسندگان: Boris Mirkin (Author)
سری:
ISBN (شابک) : 9781439838419, 9780367380793
ناشر: Chapman and Hall/CRC
سال نشر: 2013
تعداد صفحات: 366
زبان:
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب خوشه بندی: رویکرد بازیابی داده، ویرایش دوم: ریاضیات و آمار، آمار و احتمال، آمار، محاسبات آماری، آمار و محاسبات
در صورت تبدیل فایل کتاب Clustering: A Data Recovery Approach, Second Edition 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 خوشه بندی: رویکرد بازیابی داده، ویرایش دوم 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.
کتابهای خوشهبندی که اغلب بیشتر به عنوان یک هنر در نظر گرفته میشوند، تحت سلطه یادگیری از طریق مثال با تکنیکهایی هستند که تقریباً از طریق آزمون و خطا انتخاب شدهاند. حتی دو محبوبترین و مرتبطترین روشهای خوشهبندی - K-Means برای پارتیشنبندی و روش Ward برای خوشهبندی سلسله مراتبی- فاقد زیربنای نظری req
هستند.Often considered more of an art than a science, books on clustering have been dominated by learning through example with techniques chosen almost through trial and error. Even the two most popular, and most related, clustering methods-K-Means for partitioning and Ward`s method for hierarchical clustering-have lacked the theoretical underpinning req
What Is Clustering. What Is Data. K-Means Clustering and Related Approaches. Least-Squares Hierarchical Clustering. Similarity Clustering: Uniform, Modularity, Additive, Spectral, Consensus and Single Linkage. Validation and Interpretation. Least-Squares Data Recovery Clustering Models.