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: [957, 1 ed.] نویسندگان: Jan W. Owsiński, Jarosław Stańczak, Karol Opara, Sławomir Zadrożny, Janusz Kacprzyk سری: Studies in Computational Intelligence ISBN (شابک) : 3030693589, 9783030693589 ناشر: Springer سال نشر: 2021 تعداد صفحات: 118 [117] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 Mb
در صورت تبدیل فایل کتاب Reverse Clustering: Formulation, Interpretation and Case Studies 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 خوشه معکوس: فرمول بندی ، تفسیر و مطالعات موردی 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 دیدگاهی جدید و رویکردی جدید به طیف وسیعی از موقعیتها، مرتبط با تحلیل دادهها، در واقع نوعی پارادایم جدید ارائه میکند. یعنی، برای یک مجموعه داده معین و پارتیشن آن، که منشأ آنها ممکن است از هر نوعی باشد، نویسندگان سعی میکنند این پارتیشن را بر اساس مجموعه دادههای داده شده، با استفاده از روش خوشهبندی بسیار گسترده، بازسازی کنند. مزایای اصلی این پارادایم جدید به جنبه های ماهوی موارد خاص در نظر گرفته شده، عمدتاً با توجه به تنوع تفاسیر، که می توان در چارچوب پارادایم فرض کرد، مربوط می شود. با توجه به فرمولبندی جدید مسئله و انعطافپذیری در تفاسیر این مشکل و اجزای آن، حوزههایی که با استفاده بالقوه از پارادایم تحت تأثیر قرار میگیرند (یا حداقل تحت تأثیر قرار میگیرند) شامل تجزیه و تحلیل خوشهای، طبقهبندی، تشخیص پرت، انتخاب ویژگی است. و حتی تحلیل عاملی و همچنین هندسه مجموعه داده ها. این کتاب برای همه کسانی که به دنبال رویکردهای جدید و غیر متعارف برای مشکلات تجزیه و تحلیل داده های خود هستند مفید است.
This book presents a new perspective on and a new approach to a wide spectrum of situations, related to data analysis, actually, a kind of a new paradigm. Namely, for a given data set and its partition, whose origins may be of any kind, the authors try to reconstruct this partition on the basis of the data set given, using very broadly conceived clustering procedure. The main advantages of this new paradigm concern the substantive aspects of the particular cases considered, mainly in view of the variety of interpretations, which can be assumed in the framework of the paradigm. Due to the novel problem formulation and the flexibility in the interpretations of this problem and its components, the domains, which are encompassed (or at least affected) by the potential use of the paradigm, include cluster analysis, classification, outlier detection, feature selection, and even factor analysis as well as geometry of the data set. The book is useful for all those who look for new, nonconventional approaches to their data analysis problems.