ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

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 Data Mining: Foundations and Practice

دانلود کتاب داده کاوی: مبانی و عمل

Data Mining: Foundations and Practice

مشخصات کتاب

Data Mining: Foundations and Practice

دسته بندی: آموزشی
ویرایش: 1 
نویسندگان: , , ,   
سری: Studies in Computational Intelligence 118 
ISBN (شابک) : 354078487X, 9783540784883 
ناشر: Springer 
سال نشر: 2008 
تعداد صفحات: 561 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 10 مگابایت

قیمت کتاب (تومان) : 39,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Data Mining: Foundations and Practice 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 داده کاوی: مبانی و عمل 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 داده کاوی: مبانی و عمل

این کتاب شامل مطالعات ارزشمند در زمینه داده کاوی از دو منظر بنیادی و عملی است. مطالعات بنیادی داده کاوی ممکن است به ایجاد یک پایه محکم برای داده کاوی به عنوان یک رشته علمی کمک کند، در حالی که مطالعات عملی داده کاوی ممکن است به الگوریتم ها و الگوریتم های داده کاوی جدید منجر شود. مطالعات بنیادی موجود در این کتاب بر طیف وسیعی از موضوعات، از جمله چارچوب مفهومی داده کاوی، پیش پردازش داده و داده کاوی به عنوان تعمیم، دیدگاه نظریه احتمال در سیستم های فازی، روش شناسی مجموعه های ناهموار بر روی مقادیر از دست رفته، مجتمع های علّی چند دانه ای نادقیق تمرکز دارند. ، پیچیدگی مشکل حریم خصوصی، چارچوب منطقی برای ایجاد الگو و استخراج اطلاعات، طبقات قوانین مرتبط، استقلال شبه آماری در جدول احتمالی، و نقش اندازه نمونه و عوامل تعیین کننده در دانه بندی ماتریس اقتضایی. مطالعات عملی موجود در این کتاب زمینه های مختلف داده کاوی از جمله قانون کاوی، طبقه بندی، خوشه بندی، متن کاوی، وب کاوی، جریان کاوی داده، تجزیه و تحلیل سری های زمانی، کاوی حفظ حریم خصوصی، داده کاوی فازی، رویکردهای مجموعه و مبتنی بر هسته را پوشش می دهد. نزدیک می شود. ما معتقدیم که آثار ارائه شده در این کتاب باعث تشویق مطالعه داده کاوی به عنوان یک زمینه علمی و جرقه همکاری بین محققان و متخصصان خواهد شد.


توضیحاتی درمورد کتاب به خارجی

This book contains valuable studies in data mining from both foundational and practical perspectives. The foundational studies of data mining may help to lay a solid foundation for data mining as a scientific discipline, while the practical studies of data mining may lead to new data mining paradigms and algorithms. The foundational studies contained in this book focus on a broad range of subjects, including conceptual framework of data mining, data preprocessing and data mining as generalization, probability theory perspective on fuzzy systems, rough set methodology on missing values, inexact multiple-grained causal complexes, complexity of the privacy problem, logical framework for template creation and information extraction, classes of association rules, pseudo statistical independence in a contingency table, and role of sample size and determinants in granularity of contingency matrix. The practical studies contained in this book cover different fields of data mining, including rule mining, classification, clustering, text mining, Web mining, data stream mining, time series analysis, privacy preservation mining, fuzzy data mining, ensemble approaches, and kernel based approaches. We believe that the works presented in this book will encourage the study of data mining as a scientific field and spark collaboration among researchers and practitioners.



فهرست مطالب

Front Matter....Pages I-XV
Compact Representations of Sequential Classification Rules....Pages 1-30
An Algorithm for Mining Weighted Dense Maximal 1-Complete Regions....Pages 31-48
Mining Linguistic Trends from Time Series....Pages 49-60
Latent Semantic Space for Web Clustering....Pages 61-77
A Logical Framework for Template Creation and Information Extraction....Pages 79-108
A Bipolar Interpretation of Fuzzy Decision Trees....Pages 109-123
A Probability Theory Perspective on the Zadeh Fuzzy System....Pages 125-137
Three Approaches to Missing Attribute Values: A Rough Set Perspective....Pages 139-152
MLEM2 Rule Induction Algorithms: With and Without Merging Intervals....Pages 153-164
Towards a Methodology for Data Mining Project Development: The Importance of Abstraction....Pages 165-178
Fining Active Membership Functions in Fuzzy Data Mining....Pages 179-196
A Compressed Vertical Binary Algorithm for Mining Frequent Patterns....Pages 197-211
Naïve Rules Do Not Consider Underlying Causality....Pages 213-229
Inexact Multiple-Grained Causal Complexes....Pages 231-249
Does Relevance Matter to Data Mining Research?....Pages 251-275
E-Action Rules....Pages 277-288
Mining E-Action Rules, System DEAR....Pages 289-298
Definability of Association Rules and Tables of Critical Frequencies....Pages 299-313
Classes of Association Rules: An Overview....Pages 315-337
Knowledge Extraction from Microarray Datasets Using Combined Multiple Models to Predict Leukemia Types....Pages 339-352
On the Complexity of the Privacy Problem in Databases....Pages 353-374
Ensembles of Least Squares Classifiers with Randomized Kernels....Pages 375-386
On Pseudo-Statistical Independence in a Contingency Table....Pages 387-403
Role of Sample Size and Determinants in Granularity of Contingency Matrix....Pages 405-421
Generating Concept Hierarchies from User Queries....Pages 423-441
Mining Efficiently Significant Classification Association Rules....Pages 443-467
Data Preprocessing and Data Mining as Generalization....Pages 469-484
Capturing Concepts and Detecting Concept-Drift from Potential Unbounded, Ever-Evolving and High-Dimensional Data Streams....Pages 485-499
A Conceptual Framework of Data Mining....Pages 501-515
How to Prevent Private Data from being Disclosed to a Malicious Attacker....Pages 517-528
Privacy-Preserving Naive Bayesian Classification over Horizontally Partitioned Data....Pages 529-538
Using Association Rules for Classification from Databases Having Class Label Ambiguities: A Belief Theoretic Method....Pages 539-562




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی