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 The Elements of Statistical Learning: Data Mining, Inference, and Prediction

دانلود کتاب عناصر یادگیری آماری: داده کاوی ، استنباط و پیش بینی

The Elements of Statistical Learning: Data Mining, Inference, and Prediction

مشخصات کتاب

The Elements of Statistical Learning: Data Mining, Inference, and Prediction

ویرایش:  
نویسندگان: , ,   
سری: Springer Series in Statistics 
ISBN (شابک) : 9781489905192, 9780387216065 
ناشر: Springer New York 
سال نشر: 2001 
تعداد صفحات: 545 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 25 مگابایت 

قیمت کتاب (تومان) : 58,000



کلمات کلیدی مربوط به کتاب عناصر یادگیری آماری: داده کاوی ، استنباط و پیش بینی: تئوری و روش های آماری، آمار برای مهندسی، فیزیک، علوم کامپیوتر، شیمی و علوم زمین، احتمالات و آمار در علوم کامپیوتر، نرم افزار کامپیوتر. در علوم زیستی، مدیریت پایگاه داده، هوش مصنوعی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 18


در صورت تبدیل فایل کتاب The Elements of Statistical Learning: Data Mining, Inference, and Prediction 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 عناصر یادگیری آماری: داده کاوی ، استنباط و پیش بینی 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 درمورد کتاب به خارجی



فهرست مطالب

Front Matter....Pages i-xvi
Introduction....Pages 1-8
Overview of Supervised Learning....Pages 9-40
Linear Methods for Regression....Pages 41-78
Linear Methods for Classification....Pages 79-113
Basis Expansions and Regularization....Pages 115-163
Kernel Methods....Pages 165-192
Model Assessment and Selection....Pages 193-224
Model Inference and Averaging....Pages 225-256
Additive Models, Trees, and Related Methods....Pages 257-298
Boosting and Additive Trees....Pages 299-345
Neural Networks....Pages 347-369
Support Vector Machines and Flexible Discriminants....Pages 371-409
Prototype Methods and Nearest-Neighbors....Pages 411-435
Unsupervised Learning....Pages 437-508
Back Matter....Pages 509-536




نظرات کاربران