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: 1
نویسندگان: Esther Galbrun.Pauli Miettinen (auth.)
سری: SpringerBriefs in Computer Science
ISBN (شابک) : 9783319728889, 9783319728896
ناشر: Springer International Publishing
سال نشر: 2017
تعداد صفحات: 88
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب بازنویسی استخراج: داده کاوی و کشف دانش
در صورت تبدیل فایل کتاب Redescription 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 بازنویسی استخراج 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 مقدمه ای ملایم برای بازتوصیف کاوی، یک ابزار داده کاوی همه کاره است که برای یافتن خصوصیات مشترک متمایز از همان اشیاء و برعکس، برای شناسایی مجموعه هایی از اشیاء که چندین توصیف مشترک را می پذیرند، مفید است. این برای خوانندگانی در نظر گرفته شده است که با تکنیک های اصلی تجزیه و تحلیل داده ها مانند خوشه بندی، کاوی مکرر مجموعه آیتم ها و طبقه بندی آشنا هستند. بازتوصیف کاوی به روشی کلی تعریف شده است و آن را برای انواع مختلف داده ها قابل اجرا می کند. چارچوب کلی از طریق بسیاری از مثالهای عملی که تطبیقپذیری بازتوصیف کاوی را نشان میدهند ملموستر میشود. این کتاب همچنین ایده های اصلی الگوریتمی برای توصیف مجدد استخراج را همراه با برنامه های کاربردی از حوزه های مختلف معرفی می کند. بخش پایانی کتاب شامل تغییرات و توسعههای مسئله استخراج مجدد توصیف اولیه است و برخی از جهتهای آینده و سؤالات باز را مورد بحث قرار میدهد.
This book provides a gentle introduction to redescription mining, a versatile data mining tool that is useful to find distinct common characterizations of the same objects and, vice versa, to identify sets of objects that admit multiple shared descriptions. It is intended for readers who are familiar with basic data analysis techniques such as clustering, frequent itemset mining, and classification. Redescription mining is defined in a general way, making it applicable to different types of data. The general framework is made more concrete through many practical examples that show the versatility of redescription mining. The book also introduces the main algorithmic ideas for mining redescriptions, together with applications from various domains. The final part of the book contains variations and extensions of the basic redescription mining problem, and discusses some future directions and open questions.
Front Matter ....Pages i-xi
What Is Redescription Mining (Esther Galbrun, Pauli Miettinen)....Pages 1-23
Algorithms for Redescription Mining (Esther Galbrun, Pauli Miettinen)....Pages 25-49
Applications, Variants, and Extensions of Redescription Mining (Esther Galbrun, Pauli Miettinen)....Pages 51-80