ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Statistical Methods for Imbalanced Data in Ecological and Biological Studies

دانلود کتاب روش های آماری برای داده های نامتعادل در مطالعات اکولوژیکی و بیولوژیکی

Statistical Methods for Imbalanced Data in Ecological and Biological Studies

مشخصات کتاب

Statistical Methods for Imbalanced Data in Ecological and Biological Studies

ویرایش: [1st ed.] 
نویسندگان:   
سری: SpringerBriefs in Statistics 
ISBN (شابک) : 9784431555698 
ناشر: Springer Japan 
سال نشر: 2019 
تعداد صفحات: VIII, 59
[63] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 1 Mb 

قیمت کتاب (تومان) : 36,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 8


در صورت تبدیل فایل کتاب Statistical Methods for Imbalanced Data in Ecological and Biological 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 روش های آماری برای داده های نامتعادل در مطالعات اکولوژیکی و بیولوژیکی 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.


توضیحاتی در مورد کتاب روش های آماری برای داده های نامتعادل در مطالعات اکولوژیکی و بیولوژیکی



این کتاب یک رویکرد جدید و جدید را ارائه می‌کند، زیرا مروری جامع از مشکلات چالش‌برانگیز ناشی از داده‌های نامتعادل در پیش‌بینی و طبقه‌بندی ارائه می‌کند، و همچنین چندین مورد از آخرین روش‌های آماری برای مقابله با این مشکلات را معرفی می‌کند. این کتاب ویژگی عدم تعادل داده ها را از دو دیدگاه مورد بحث قرار می دهد. اولین مورد عدم تعادل کمی است، به این معنی که حجم نمونه در یک جامعه بسیار بیشتر از جمعیت دیگر است. این شامل داده‌های فقط حضور به عنوان یک مورد شدید است، که در آن وجود یک گونه تأیید می‌شود، در حالی که اطلاعات مربوط به عدم وجود آن نامشخص است، که به ویژه در بوم‌شناسی در پیش‌بینی توزیع زیستگاه رایج است. دوم عدم تعادل کیفی است، به این معنی که توزیع داده‌های یک جمعیت را می‌توان به خوبی مشخص کرد، در حالی که توزیع داده‌های دیگری ویژگی بسیار ناهمگن را نشان می‌دهد. یک مورد معمولی وجود موارد پرت است که معمولاً در داده‌های بیان ژن مشاهده می‌شود، و مورد دیگر ویژگی‌های ناهمگن است که اغلب در یک گروه مورد در مطالعات مورد-شاهدی مشاهده می‌شود. گسترش مدل رگرسیون لجستیک، maxent و AdaBoost برای داده‌های نامتعادل مورد بحث قرار می‌گیرد و چارچوب جدیدی برای بهبود پیش‌بینی، طبقه‌بندی و عملکرد انتخاب متغیر ارائه می‌کند. توابع وزن معرفی شده در روش ها نقش مهمی در کاهش عدم تعادل داده ها دارند. این کتاب همچنین دیدگاه جدیدی در مورد این مشکل ارائه می دهد و برخی از کاربردهای روش های آماری اخیراً توسعه یافته را در مجموعه داده های واقعی نشان می دهد.


توضیحاتی درمورد کتاب به خارجی

This book presents a fresh, new approach in that it provides a comprehensive recent review of challenging problems caused by imbalanced data in prediction and classification, and also in that it introduces several of the latest statistical methods of dealing with these problems. The book discusses the property of the imbalance of data from two points of view. The first is quantitative imbalance, meaning that the sample size in one population highly outnumbers that in another population. It includes presence-only data as an extreme case, where the presence of a species is confirmed, whereas the information on its absence is uncertain, which is especially common in ecology in predicting habitat distribution. The second is qualitative imbalance, meaning that the data distribution of one population can be well specified whereas that of the other one shows a highly heterogeneous property. A typical case is the existence of outliers commonly observed in gene expression data, and another is heterogeneous characteristics often observed in a case group in case-control studies. The extension of the logistic regression model, maxent, and AdaBoost for imbalanced data is discussed, providing a new framework for improvement of prediction, classification, and performance of variable selection. Weights functions introduced in the methods play an important role in alleviating the imbalance of data. This book also furnishes a new perspective on these problem and shows some applications of the recently developed statistical methods to real data sets.



فهرست مطالب

Front Matter ....Pages i-viii
Introduction to Imbalanced Data (Osamu Komori, Shinto Eguchi)....Pages 1-10
Weighted Logistic Regression (Osamu Komori, Shinto Eguchi)....Pages 11-25
\(\beta \)-Maxent (Osamu Komori, Shinto Eguchi)....Pages 27-33
Generalized T-Statistic (Osamu Komori, Shinto Eguchi)....Pages 35-43
Machine Learning Methods for Imbalanced Data (Osamu Komori, Shinto Eguchi)....Pages 45-55
Back Matter ....Pages 57-59




نظرات کاربران