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: برنامه نویسی: زبان های برنامه نویسی ویرایش: نویسندگان: Yuan L.L. سری: ناشر: سال نشر: تعداد صفحات: 0 زبان: English فرمت فایل : RAR (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 230 کیلوبایت
کلمات کلیدی مربوط به کتاب روش حداکثر احتمال برای پیشبینی شرایط محیطی از ترکیب اسمبلیج: بسته R bio.infer + کد: کتابخانه، ادبیات کامپیوتر، ر
در صورت تبدیل فایل کتاب Maximum Likelihood Method for Predicting Environmental Conditions from Assemblage Composition: The R Package bio.infer + Code 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 حداکثر احتمال برای پیشبینی شرایط محیطی از ترکیب اسمبلیج: بسته R bio.infer + کد 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.
این مقاله مقدمه مختصری بر بسته R bio.infer ارائه میکند، مجموعهای از اسکریپتها که استفاده از روشهای حداکثر احتمال (ML) را برای پیشبینی شرایط محیطی از ترکیب مجموعه تسهیل میکند. شرایط محیطی را اغلب می توان تنها از داده های بیولوژیکی استنباط کرد و این استنباط ها زمانی مفید هستند که منابع دیگر داده ها در دسترس نباشند. روشهای پیشبینی ML از نظر آماری دقیق هستند و برای مجموعه گستردهتری از مسائل نسبت به روشهای میانگین وزنی رایجتر قابل استفاده هستند. با این حال، روشهای ML نیاز به سرمایهگذاری قابل توجهی در زمان برای برنامهریزی الگوریتمها و انجام محاسبات دارند. این بسته برای کاهش تلاش مورد نیاز برای اعمال روش های پیش بینی ML طراحی شده است.
This paper provides a brief introduction to the R package bio.infer, a set of scripts that facilitates the use of maximum likelihood (ML) methods for predicting environmental conditions from assemblage composition. Environmental conditions can often be inferred from only biological data, and these inferences are useful when other sources of data are unavailable. ML prediction methods are statistically rigorous and applicable to a broader set of problems than more commonly used weighted averaging techniques. However, ML methods require a substantially greater investment of time to program algorithms and to perform computations. This package is designed to reduce the effort required to apply ML prediction methods.