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
دسته بندی: سازمان و پردازش داده ها ویرایش: 9th نویسندگان: Leonard Kaufman. Peter J. Rousseeuw سری: ISBN (شابک) : 9780471878766, 0471878766 ناشر: Wiley-Interscience سال نشر: 1990 تعداد صفحات: 355 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 16 مگابایت
در صورت تبدیل فایل کتاب Finding groups in data: an introduction to cluster analysis 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 یافتن گروه ها در داده ها: مقدمه ای برای تجزیه و تحلیل خوشه ای 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.
مقدمه ای بر کاربرد عملی تجزیه و تحلیل خوشه ای، این متن گزیده ای از روش ها را ارائه می دهد که با هم می توانند با اکثر کاربردها مقابله کنند. این روش ها به دلیل استحکام، سازگاری و کاربرد کلی انتخاب شده اند. رویکردهای اصلی خوشهبندی را مورد بحث قرار میدهد و راهنمایی برای انتخاب بین روشهای موجود ارائه میکند. همچنین انواع مختلف دادهها، از جمله متغیرهای با مقیاس بازهای و باینری و همچنین دادههای مشابه را مورد بحث قرار میدهد و توضیح میدهد که چگونه میتوان آنها را قبل از خوشهبندی تبدیل کرد. شامل تمرینات متعدد
An introduction to the practical application of cluster analysis, this text presents a selection of methods which together can deal with most applications. These methods are chosen for their robustness, consistency and general applicability. Discusses the main approaches to clustering and provides guidance in choosing between the available methods. Also discusses various types of data, including interval-scaled and binary variables as well as similarity data and explains how these can be transformed prior to clustering. Contains numerous exercises.