دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Core Concepts in Data Analysis: Summarization, Correlation and Visualization
دانلود کتاب مفاهیم اصلی در تجزیه و تحلیل داده ها: جمع بندی ، همبستگی و تجسم
مشخصات کتاب
Core Concepts in Data Analysis: Summarization, Correlation and Visualization
ویرایش: 2nd edition
نویسندگان: Mirkin. Boris
سری: Undergraduate topics in computer science
ISBN (شابک) : 9783030002718, 3030002713
ناشر: Springer London
سال نشر: 2019
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
قیمت کتاب (تومان) : 47,000
کلمات کلیدی مربوط به کتاب مفاهیم اصلی در تجزیه و تحلیل داده ها: جمع بندی ، همبستگی و تجسم: تجزیه و تحلیل خوشه ای، تجزیه و تحلیل داده ها، تجزیه و تحلیل همبستگی، تجسم، کتاب درسی
در صورت تبدیل فایل کتاب Core Concepts in Data Analysis: Summarization, Correlation and Visualization 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 مفاهیم اصلی در تجزیه و تحلیل داده ها: جمع بندی ، همبستگی و تجسم 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 مفاهیم اصلی در تجزیه و تحلیل داده ها: جمع بندی ، همبستگی و تجسم
این متن به بررسی اهداف تجزیه و تحلیل داده ها با توجه به افزایش دانش می پردازد و خلاصه سازی داده ها و تجزیه و تحلیل همبستگی را به عنوان موضوعات اصلی شناسایی می کند. خلاصه‌سازی داده‌ها، هم به صورت کمی و هم مقوله‌ای، در پارادایم رمزگذار-رمزگشا انجام می‌شود که تعدادی بینش ریاضی را در مورد روش‌ها و روابط بین آنها ارائه می‌کند. دو فصل روش‌هایی را برای خلاصه‌سازی طبقه‌بندی توصیف می‌کنند: تقسیم‌بندی، خوشه‌بندی تقسیم‌بندی و خوشه‌یابی جداگانه و دیگری روش‌های خلاصه‌سازی کمی، تجزیه و تحلیل مؤلفه اصلی و رتبه صفحه را توضیح می‌دهد. ویژگی ها: · ارائه در عمق K-به معنی پارتیشن بندی شامل تجزیه فیثاغورث مربوطه از پراکندگی داده ها. مشاوره در مورد موضوعاتی مانند خوشه بندی داده های مقوله ای و مختلط، شباهت و داده های شبکه، کمک های تفسیری، خوشه های غیرعادی، تعداد خوشه ها و غیره. مفاهیم هندسی شامل مفاهیم بین معیارهای تناسب درختان تصمیم و استانداردسازی داده ها، خوشه بندی شباهت و اجماع، خوشه بندی مدولاریت و پارتیشن بندی یکنواخت. نکات برجسته نسخه جدید: · گنجاندن موضوعات رتبه‌بندی مانند رتبه صفحه Google، طبقه‌بندی خطی و رتبه‌بندی میانه، خوشه‌بندی اجماع، خوشه‌بندی نیمه متوسط، خوشه‌بندی تک خوشه‌ای · بازسازی برای ساده‌تر کردن منطق‌ها و تجزیه و تحلیل داده‌های اصلی بخش‌ها: خلاصه سازی، همبستگی و تجسم برای کسانی است که مشتاق مشارکت در توسعه این رشته و همچنین جذابیت برای تازه کارها و متخصصان هستند.
توضیحاتی درمورد کتاب به خارجی
This text examines the goals of data analysis with respect to enhancing knowledge, and identifies data summarization and correlation analysis as the core issues. Data summarization, both quantitative and categorical, is treated within the encoder-decoder paradigm bringing forward a number of mathematically supported insights into the methods and relations between them. Two Chapters describe methods for categorical summarization: partitioning, divisive clustering and separate cluster finding and another explain the methods for quantitative summarization, Principal Component Analysis and PageRank. Features: · An in-depth presentation of K-means partitioning including a corresponding Pythagorean decomposition of the data scatter. · Advice regarding such issues as clustering of categorical and mixed scale data, similarity and network data, interpretation aids, anomalous clusters, the number of clusters, etc. · Thorough attention to data-driven modelling including a number of mathematically stated relations between statistical and geometrical concepts including those between goodness-of-fit criteria for decision trees and data standardization, similarity and consensus clustering, modularity clustering and uniform partitioning. New edition highlights: · Inclusion of ranking issues such as Google PageRank, linear stratification and tied rankings median, consensus clustering, semi-average clustering, one-cluster clustering · Restructured to make the logics more straightforward and sections self-contained Core Data Analysis: Summarization, Correlation and Visualization is aimed at those who are eager to participate in developing the field as well as appealing to novices and practitioners.
فهرست مطالب
Front Matter ....Pages i-xv
Topics in Substance of Data Analysis (Boris Mirkin)....Pages 1-75
Quantitative Summarization (Boris Mirkin)....Pages 77-161
Learning Correlations (Boris Mirkin)....Pages 163-292
Core Partitioning: K-means and Similarity Clustering (Boris Mirkin)....Pages 293-403
Divisive and Separate Cluster Structures (Boris Mirkin)....Pages 405-475
Back Matter ....Pages 477-524
