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: الگوریتم ها و ساختارهای داده ویرایش: 1 نویسندگان: Hamparsum Bozdogan سری: ISBN (شابک) : 1584883448, 9780203497159 ناشر: سال نشر: 2003 تعداد صفحات: 595 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
در صورت تبدیل فایل کتاب Statistical Data Mining & Knowledge Discovery 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 داده کاوی آماری و کشف دانش 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.
مجموعه داده های عظیم چالش بزرگی برای بسیاری از زمینه های بین رشته ای از جمله آمار است. ابعاد بالا و انواع مختلف داده ها و ساختارها اکنون از قابلیت های ابزارهای آماری، گرافیکی و تجسم داده های سنتی پیشی گرفته است. استخراج اطلاعات مفید از چنین مجموعه دادههای بزرگی نیازمند رویکردهای جدیدی است که مفاهیم، ابزارها و تکنیکهای حوزههای مختلف مانند علوم کامپیوتر، آمار، هوش مصنوعی و مهندسی مالی را با هم ترکیب میکنند. داده کاوی آماری و کشف دانش گروهی از متخصصان را گرد هم می آورد تا در مورد پیشرفت های اخیر در تکنیک های تجزیه و تحلیل داده ها برای داده کاوی و استخراج دانش بحث و تبادل نظر کنند. این مجموعه با دقت ویرایش شده دیدگاهی کاربردی و چند رشته ای در استفاده از تکنیک های آماری در زمینه هایی مانند تقسیم بندی بازار، پروفایل مشتری، تجزیه و تحلیل تصویر و گفتار و تشخیص تقلب ارائه می دهد. نویسندگان فصل، که شامل افراد برجسته ای مانند آرنولد زلنر، اس. جیمز پرس، استفان فینبرگ، و ادوارد کی. وگمن هستند، رویکردهای جدید و مدل های نوآورانه را ارائه کرده و تجربیات خود را در استفاده از تکنیک های داده کاوی در طیف گسترده ای از کاربردها بیان می کنند.
Massive data sets pose a great challenge to many cross-disciplinary fields, including statistics. The high dimensionality and different data types and structures have now outstripped the capabilities of traditional statistical, graphical, and data visualization tools. Extracting useful information from such large data sets calls for novel approaches that meld concepts, tools, and techniques from diverse areas, such as computer science, statistics, artificial intelligence, and financial engineering. Statistical Data Mining and Knowledge Discovery brings together a stellar panel of experts to discuss and disseminate recent developments in data analysis techniques for data mining and knowledge extraction. This carefully edited collection provides a practical, multidisciplinary perspective on using statistical techniques in areas such as market segmentation, customer profiling, image and speech analysis, and fraud detection. The chapter authors, who include such luminaries as Arnold Zellner, S. James Press, Stephen Fienberg, and Edward K. Wegman, present novel approaches and innovative models and relate their experiences in using data mining techniques in a wide range of applications.