دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Multivariate Kernel Smoothing and Its Applications
دانلود کتاب هموارسازی هسته چند متغیره و کاربردهای آن
مشخصات کتاب
Multivariate Kernel Smoothing and Its Applications
ویرایش: 1 نویسندگان: José E. Chacón, Tarn Duong سری: Chapman & Hall/CRC Monographs on Statistics & Applied Probability ISBN (شابک) : 1498763014, 9781498763011 ناشر: Chapman and Hall/CRC سال نشر: 2018 تعداد صفحات: 249 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 27 مگابایت
قیمت کتاب (تومان) : 29,000
کلمات کلیدی مربوط به کتاب هموارسازی هسته چند متغیره و کاربردهای آن: احتمال و آمار، کاربردی، ریاضیات، علوم و ریاضی، آمار، ریاضیات، علوم و ریاضیات، کتاب های درسی جدید، مستعمل و اجاره ای، بوتیک تخصصی
در صورت تبدیل فایل کتاب Multivariate Kernel Smoothing and Its Applications 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 هموارسازی هسته چند متغیره و کاربردهای آن 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 هموارسازی هسته چند متغیره و کاربردهای آن
هموارسازی هسته از زمان پیدایش تا حد زیادی تکامل یافته و به یک روش اساسی در کیت ابزار علم داده برای قرن بیست و یکم تبدیل شده است. پذیرش گسترده آن به دلیل نقش اساسی آن برای تجزیه و تحلیل داده های اکتشافی چند متغیره، و همچنین نقش مهمی است که در راه حل های ترکیبی برای چالش های پیچیده داده ایفا می کند.
هموارسازی هسته چند متغیره و کاربردهای آن ارائه می دهد. مروری بر هر دو جنبه این با ارائه کامل رویکردها برای دستیابی به دو هدف اساسی تخمین توابع چگالی احتمال و مشتقات آنها آغاز می شود. سپس تمرکز روی کاربردهای این رویکردها برای اهداف تحلیل داده پیچیده‌تر است، که بسیاری از آنها دارای طعم هندسی/توپولوژیکی هستند، مانند تخمین مجموعه سطح، خوشه‌بندی (یادگیری بدون نظارت)، منحنی‌های اصلی، و اهمیت ویژگی. موضوعات دیگر، اگرچه کاربرد مستقیم تخمین چگالی (مشتق) نیستند، اما اشتراکات زیادی با تنظیمات قبلی دارند، شامل طبقه بندی (یادگیری تحت نظارت)، تخمین نزدیکترین همسایه، و دکانولوشن برای داده های مشاهده شده با خطا است.
برای یک دانشمند داده، هر فصل شامل نمونه‌های گویای داده‌های باز است که با مناسب‌ترین روش هموارسازی هسته تحلیل می‌شوند. تاکید همیشه بر درک شهودی داده های ارائه شده توسط تجسم های آماری همراه است. برای خواننده ای که مایل به بررسی بیشتر جزئیات استدلال آماری اساسی خود است، یک توضیح درجه بندی شده به یک چارچوب نظری یکپارچه ارائه شده است. الگوریتم‌های پیاده‌سازی کارآمد نرم‌افزار نیز مورد بحث قرار گرفته‌اند.
José E.
چاکون دانشیار گروه ریاضیات دانشگاه
اکسترمادورا در اسپانیا است. Tarn Duong یک دانشمند ارشد داده
برای یک استارت آپ است که خدمات حمل و نقل خودروی مسافت کوتاه
را در فرانسه ارائه می دهد. هر دو نویسنده در چند دهه اخیر سهم
مهمی در تحقیقات هموارسازی هسته داشته‌اند.
Tarn Duong یک دانشمند ارشد داده برای یک
استارت‌آپ است که خدمات جمع‌آوری در فاصله کوتاه را در فرانسه
ارائه می‌کند.
هر دو نویسنده در چند دهه اخیر سهم مهمی در تحقیقات هموارسازی هسته داشته اند.
توضیحاتی درمورد کتاب به خارجی
Kernel smoothing has greatly evolved since its inception to become an essential methodology in the Data Science tool kit for the 21st century. Its widespread adoption is due to its fundamental role for multivariate exploratory data analysis, as well as the crucial role it plays in composite solutions to complex data challenges.
Multivariate Kernel Smoothing and Its Applications offers a comprehensive overview of both aspects. It begins with a thorough exposition of the approaches to achieve the two basic goals of estimating probability density functions and their derivatives. The focus then turns to the applications of these approaches to more complex data analysis goals, many with a geometric/topological flavour, such as level set estimation, clustering (unsupervised learning), principal curves, and feature significance. Other topics, while not direct applications of density (derivative) estimation but sharing many commonalities with the previous settings, include classification (supervised learning), nearest neighbour estimation, and deconvolution for data observed with error.
For a Data Scientist, each chapter contains illustrative Open Data examples that are analysed by the most appropriate kernel smoothing method. The emphasis is always placed on an intuitive understanding of the data provided by the accompanying statistical visualisations. For a reader wishing to investigate further the details of their underlying statistical reasoning, a graduated exposition to a unified theoretical framework is provided. The algorithms for efficient software implementation are also discussed.
José E.
Chacón is an associate professor at the
Department of Mathematics of the Universidad de Extremadura
in Spain. Tarn Duong is a Senior Data Scientist for a start-
up which provides short distance carpooling services in
France. Both authors have made important contributions to
kernel smoothing research over the last couple of
decades.
Tarn Duong is a Senior Data Scientist for a
start-up which provides short distance carpooling services in
France.
Both authors have made important contributions to kernel smoothing research over the last couple of decades.
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Bad Programming Practices 101: Become a Better Coder by Learning How (Not) to Program
دانلود کتاب A COMPUTATIONAL INTRODUCTION TO NUMBER THEORY AND ALGEBRA (VERSION 1)
دانلود کتاب The War That Wasn't: Religious Conflict And Compromise In The Common Schools Of New York State, 1865-1900
