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: 1st نویسندگان: Han Liu, Alexander Gegov, Mihaela Cocea سری: Studies in Big Data 13 ISBN (شابک) : 3319236954, 9783319236964 ناشر: Springer International Publishing سال نشر: 2015 تعداد صفحات: 127 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 سیستم های مبتنی بر قانون برای داده های بزرگ: رویکرد یادگیری ماشین: هوش محاسباتی، هوش مصنوعی (شامل رباتیک)، داده کاوی و کشف دانش
در صورت تبدیل فایل کتاب Rule Based Systems for Big Data: A Machine Learning Approach 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 سیستم های مبتنی بر قانون برای داده های بزرگ: رویکرد یادگیری ماشین 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.
ایدههای معرفیشده در این کتاب روابط بین سیستمهای مبتنی بر قانون، یادگیری ماشین و کلان داده را بررسی میکنند. سیستم های مبتنی بر قوانین به عنوان نوع خاصی از سیستم های خبره دیده می شوند که می توانند با استفاده از دانش تخصصی یا یادگیری از داده های واقعی ساخته شوند.
این کتاب بر توسعه و ارزیابی سیستمهای مبتنی بر قوانین از نظر دقت، کارایی و تفسیرپذیری تمرکز دارد. به طور خاص، یک چارچوب یکپارچه برای ساخت سیستمهای مبتنی بر قانون، که شامل عملیات تولید قانون، سادهسازی قوانین و نمایش قوانین است، ارائه شده است. هر یک از این عملیات ها با استفاده از روش ها یا تکنیک های خاص به تفصیل بیان می شوند. علاوه بر این، این کتاب همچنین برخی از چارچوبهای یادگیری گروهی را برای ساختن سیستمهای مبتنی بر قوانین مجموعه ارائه میکند.
The ideas introduced in this book explore the relationships among rule based systems, machine learning and big data. Rule based systems are seen as a special type of expert systems, which can be built by using expert knowledge or learning from real data.
The book focuses on the development and evaluation of rule based systems in terms of accuracy, efficiency and interpretability. In particular, a unified framework for building rule based systems, which consists of the operations of rule generation, rule simplification and rule representation, is presented. Each of these operations is detailed using specific methods or techniques. In addition, this book also presents some ensemble learning frameworks for building ensemble rule based systems.
Front Matter....Pages i-xiii
Introduction....Pages 1-9
Theoretical Preliminaries....Pages 11-27
Generation of Classification Rules....Pages 29-42
Simplification of Classification Rules....Pages 43-50
Representation of Classification Rules....Pages 51-62
Ensemble Learning Approaches....Pages 63-73
Interpretability Analysis....Pages 75-80
Case Studies....Pages 81-95
Conclusion....Pages 97-114
Back Matter....Pages 115-121