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: 2013 نویسندگان: Ton J. Cleophas, Aeilko H. Zwinderman سری: ISBN (شابک) : 9400768850, 9789400768857 ناشر: Springer سال نشر: 2013 تعداد صفحات: 234 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Machine Learning in Medicine: Part Two 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 یادگیری ماشین در پزشکی: قسمت 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.
یادگیری ماشینی به تجزیه و تحلیل داده های بزرگ و متغیرهای متعدد مربوط می شود. با این حال، تحلیل دادههای کوچک اغلب نسبت به روشهای آماری سنتی حساستر است. جلد اول موضوعاتی مانند مقیاسبندی بهینه، شبکههای عصبی، تحلیل عاملی، حداقل مربعات جزئی، تحلیل متمایز، تحلیل متعارف و مدلسازی فازی را بررسی میکند. این جلد دوم شامل مدلهای مختلف خوشهبندی، ماشینهای بردار پشتیبان، شبکههای بیزی، تجزیه و تحلیل موجک گسسته، برنامهریزی ژنتیکی، یادگیری قوانین ارتباطی، تشخیص ناهنجاری، تجزیه و تحلیل مکاتبات و موضوعات دیگر است. هم مبانی نظری و هم تحلیل های گام به گام برای استفاده خوانندگان غیر ریاضی شرح داده شده است. هر فصل را می توان بدون نیاز به مشورت با فصل های دیگر مطالعه کرد. تستهای آماری سنتی، گاهی اوقات، مقدم بر روشهای یادگیری ماشین هستند، و همچنین، گاهی اوقات به عنوان آزمونهای کنتراست استفاده میشوند. به کسانی که مایل به کسب اطلاعات بیشتر در مورد آنها هستند، توصیه می کنیم (1) آمارهای کاربردی در مطالعات بالینی ویرایش پنجم 2012، (2) SPSS برای آغازین بخش اول و دوم 2012، و (3) تجزیه و تحلیل آماری داده های بالینی را مطالعه کنند. ماشین حساب جیبی قسمت اول و دوم 2012، نوشته شده توسط همان نویسندگان، و ویرایش شده توسط Springer، نیویورک.
Machine learning is concerned with the analysis of large data and multiple variables. However, it is also often more sensitive than traditional statistical methods to analyze small data. The first volume reviewed subjects like optimal scaling, neural networks, factor analysis, partial least squares, discriminant analysis, canonical analysis, and fuzzy modeling. This second volume includes various clustering models, support vector machines, Bayesian networks, discrete wavelet analysis, genetic programming, association rule learning, anomaly detection, correspondence analysis, and other subjects. Both the theoretical bases and the step by step analyses are described for the benefit of non-mathematical readers. Each chapter can be studied without the need to consult other chapters. Traditional statistical tests are, sometimes, priors to machine learning methods, and they are also, sometimes, used as contrast tests. To those wishing to obtain more knowledge of them, we recommend to additionally study (1) Statistics Applied to Clinical Studies 5th Edition 2012, (2) SPSS for Starters Part One and Two 2012, and (3) Statistical Analysis of Clinical Data on a Pocket Calculator Part One and Two 2012, written by the same authors, and edited by Springer, New York.