برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Combinatorial Methods in Density Estimation

دانلود کتاب روش های ترکیبی در برآورد تراکم

مشخصات کتاب

Combinatorial Methods in Density Estimation

دسته بندی: ترکیبی
ویرایش: 1 
نویسندگان: Luc Devroye. Gabor Lugosi  
سری:  
ISBN (شابک) : 9780387951171, 0387951172 
ناشر:  
سال نشر: 2001 
تعداد صفحات: 111 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 14 مگابایت

قیمت کتاب (تومان) : 48,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 17

در صورت تبدیل فایل کتاب Combinatorial Methods in Density Estimation 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 روش های ترکیبی در برآورد تراکم 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.

توضیحاتی در مورد کتاب روش های ترکیبی در برآورد تراکم

تخمین چگالی از زمان نمودارهای نواری و هیستوگرام بسیار تکامل یافته است، اما محققان و کاربران هنوز با مشکل انتخاب پهنای سطل دست و پنجه نرم می کنند. این کتاب اولین کتابی است که پارادایم جدیدی را برای انتخاب مبتنی بر داده یا انتخاب خودکار پارامترهای آزاد تخمین چگالی به طور کلی بررسی می کند به طوری که خطای مورد انتظار در یک مضرب ثابت معین از بهترین خطای ممکن باشد. این پارادایم را می توان تقریباً در تمام تخمین های چگالی و برای اکثر مسائل انتخاب مدل، چه پارامتری و چه ناپارامتریک، استفاده کرد.

توضیحاتی درمورد کتاب به خارجی

Density estimation has evolved enormously since the days of bar plots and histograms, but researchers and users are still struggling with the problem of the selection of the bin widths. This book is the first to explore a new paradigm for the data-based or automatic selection of the free parameters of density estimates in general so that the expected error is within a given constant multiple of the best possible error. The paradigm can be used in nearly all density estimates and for most model selection problems, both parametric and nonparametric.