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: کامپیوتر ویرایش: 1 نویسندگان: Max Bramer سری: Undergraduate Topics in Computer Science ISBN (شابک) : 1846287650, 9781846287657 ناشر: Springer سال نشر: 2007 تعداد صفحات: 340 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Principles of Data Mining 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 اصول داده کاوی 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 کتاب تکنیک های اصلی داده کاوی را توضیح می دهد: برای طبقه بندی، تولید قوانین ارتباط و خوشه بندی. این برای خوانندگان بدون پیش زمینه قوی در ریاضیات یا آمار نوشته شده است و بر مثال های دقیق و توضیحات الگوریتم های داده شده تمرکز دارد. این به خوانندگان همه سطوح، از کسانی که از داده کاوی از طریق بسته های تجاری استفاده می کنند، تا محققان دانشگاهی، سود خواهد برد. هدف این کتاب کمک به خواننده عمومی است تا درک لازم را برای استفاده از بستههای دادهکاوی تجاری ایجاد کند و خوانندگان پیشرفته را قادر سازد تا پیشرفتهای فنی آینده را درک کنند یا به آنها کمک کنند. شامل تمرین ها و واژه نامه.
This book explains the principal techniques of data mining: for classification, generation of association rules and clustering. It is written for readers without a strong background in mathematics or statistics and focuses on detailed examples and explanations of the algorithms given. This will benefit readers of all levels, from those who use data mining via commercial packages, right through to academic researchers. The book aims to help the general reader develop the necessary understanding to use commercial data mining packages, and to enable advanced readers to understand or contribute to future technical advances. Includes exercises and glossary.
Max Bramer - Principle of Data Mining (Springer,2007)......Page p0001.djvu
Front Matter......Page p0003.djvu
Legal Matter......Page p0004.djvu
Contents......Page p0005.djvu
Introduction to Data Mining......Page p0011.djvu
1 - Data for Data Mining......Page p0021.djvu
2 - Introduction to Classification: Naïve Bayes and Nearest Neighbourg......Page p0033.djvu
3 - Using Decision Trees for Classification......Page p0051.djvu
4 - Decision Tree Induction: Using Entropy for Attribute Selction......Page p0061.djvu
5 - Decision Tree Induction: Using Frequency Tables for Attribute Selection......Page p0075.djvu
6 - Estimating the Predictive Accuracy of a Classifier......Page p0089.djvu
7 - Continuous Attributes......Page p0103.djvu
8 - Avoiding Overfitting of Decision Trees......Page p0129.djvu
9 - More About Entropy......Page p0145.djvu
10 - Inducing Modular Rules for Classification......Page p0165.djvu
11 - Measuring the Performance of a Classifier......Page p0183.djvu
12 - Association Rule Mining I......Page p0197.djvu
13 - Association Rule Mining II......Page p0213.djvu
14 - Clustering......Page p0231.djvu
15 - Text Mining......Page p0249.djvu
References......Page p0265.djvu
A - Essential Mathematics......Page p0267.djvu
B - Datasets......Page p0283.djvu
C - Sources of Further Information......Page p0303.djvu
D - Glossary and Notation......Page p0307.djvu
E - Solutions to Self-assessment Exercises......Page p0325.djvu
Index......Page p0349.djvu