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 Principal Component Analysis

دانلود کتاب تجزیه و تحلیل مؤلفه های اصلی

Principal Component Analysis

مشخصات کتاب

Principal Component Analysis

ویرایش:  
نویسندگان: ,   
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: [47] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 787 Kb 

قیمت کتاب (تومان) : 60,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 5


در صورت تبدیل فایل کتاب Principal Component 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 تجزیه و تحلیل مؤلفه های اصلی 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 تجزیه و تحلیل مؤلفه های اصلی

بررسی های بین رشته ای وایلی: آمار محاسباتی، 2010.
مقاله تجزیه و تحلیل مؤلفه اصلی: استخراج اطلاعات مهم از مجموعه ای از داده ها که اشیاء را توصیف می کنند. یکی از راه های اصلی کاهش ابعاد داده ها، از دست دادن کمترین مقدار اطلاعات است. در بسیاری از زمینه ها مانند تشخیص الگو، بینایی کامپیوتری، فشرده سازی داده ها و غیره کاربرد دارد.

توضیحاتی درمورد کتاب به خارجی

Wiley Interdisciplinary Reviews: Computational Statistics, 2010.
Статья, посвященная использованию Метода Главных Компонент (Principal Component Analysis): Выделение важной информации из множества данных, описывающих объекты. Один из основных способов уменьшить размерность данных, потеряв наименьшее количество информации. Применяется во многих областях, таких как распознавание образов, компьютерное зрение, сжатие данных и т. п.




نظرات کاربران