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:
نویسندگان: Amparo Albalate. Wolfgang Minker(auth.)
سری:
ISBN (شابک) : 9781848212039, 9781118557693
ناشر: Wiley-ISTE
سال نشر: 2010
تعداد صفحات: 244
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 69 مگابایت
در صورت تبدیل فایل کتاب Semi-Supervised and Unsupervised Machine Learning: Novel Strategies 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 یادگیری ماشینی نیمه نظارت شده و بدون نظارت: استراتژی های جدید 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 مروری دقیق و به روز در مورد روش های طبقه بندی و داده
کاوی ارائه می دهد. بخش اول بر روی الگوریتم های طبقه بندی نظارت
شده و کاربردهای آنها، از جمله تحقیقات اخیر در مورد ترکیب طبقه
بندی کننده ها متمرکز است. بخش دوم به داده کاوی بدون نظارت و کشف
دانش با توجه ویژه به متن کاوی می پردازد. کشف ساختار زیربنایی در
یک مجموعه داده، موضوع تحقیقاتی کلیدی مرتبط با تکنیکهای بدون
نظارت با کاربردها و چالشهای متعدد، از استخراج محتوای وب تا
استنتاج انواع زیرمجموعههای سرطان در دادههای ریزآرایه ژنومی
بوده است. در میان آنها، این کتاب بر روی یک برنامه جدید برای
سیستمهای گفتگو تمرکز دارد که میتوان از این طریق با دامنههای
مختلف سازگار و قابل حمل ساخت. معیارهای ارزیابی خوشهبندی و
رویکردهای جدید، مانند مجموعهای از الگوریتمهای خوشهبندی، نیز
شرح داده شدهاند. (صفحات 15-89):
فصل 3 نیمه؟ طبقه بندی نظارت شده با استفاده از خوشه بندی کلمات
قبلی (صفحه های 91-125):
فصل 4 نیمه؟ طبقه بندی نظارت شده با استفاده از خوشه بندی الگو
(صفحه های 127-181):
فصل 5 تشخیص تعداد خوشهها از طریق الگوریتمهای خوشهبندی
غیرپارامتری (صفحههای 183-197):
فصل 6 تشخیص تعداد خوشهها از طریق اعتبارسنجی خوشهای (صفحههای
199-225):
This book provides a detailed and up-to-date overview on
classification and data mining methods. The first part is
focused on supervised classification algorithms and their
applications, including recent research on the combination of
classifiers. The second part deals with unsupervised data
mining and knowledge discovery, with special attention to text
mining. Discovering the underlying structure on a data set has
been a key research topic associated to unsupervised techniques
with multiple applications and challenges, from web-content
mining to the inference of cancer subtypes in genomic
microarray data. Among those, the book focuses on a new
application for dialog systems which can be thereby made
adaptable and portable to different domains. Clustering
evaluation metrics and new approaches, such as the ensembles of
clustering algorithms, are also described.Content:
Chapter 1 Introduction (pages 1–14):
Chapter 2 State of the Art in Clustering and Semi?Supervised
Techniques (pages 15–89):
Chapter 3 Semi?Supervised Classification Using Prior Word
Clustering (pages 91–125):
Chapter 4 Semi?Supervised Classification Using Pattern
Clustering (pages 127–181):
Chapter 5 Detection of the Number of Clusters through
Non?Parametric Clustering Algorithms (pages 183–197):
Chapter 6 Detecting the Number of Clusters through Cluster
Validation (pages 199–225):