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: Wu X., Kumar V. (eds.) سری: Chapman & Hall/CRC Data Mining and Knowledge Discovery Series ISBN (شابک) : 1420089641, 9781420089646 ناشر: CRC سال نشر: 2009 تعداد صفحات: 206 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب The Top Ten Algorithms in Data Mining 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 ده الگوریتم برتر در داده کاوی 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.
با شناسایی برخی از تاثیرگذارترین الگوریتم هایی که به طور گسترده در جامعه داده کاوی مورد استفاده قرار می گیرند، ده الگوریتم برتر در داده کاوی شرحی از هر الگوریتم ارائه می دهد، تأثیر آن را مورد بحث قرار می دهد و تحقیقات فعلی و آینده را بررسی می کند. هر فصل که به طور کامل توسط بازبینان مستقل ارزیابی می شود، بر روی یک الگوریتم خاص تمرکز می کند و توسط نویسندگان اصلی الگوریتم یا محققان در سطح جهانی که به طور گسترده الگوریتم مربوطه را مطالعه کرده اند، نوشته شده است. این کتاب بر روی الگوریتمهای مهم زیر تمرکز دارد: C4.5، k-Means، SVM، Apriori، EM، PageRank، AdaBoost، kNN، Naive Bayes، و CART. مثالها نحوه عملکرد هر الگوریتم را نشان میدهند و عملکرد کلی آن را در یک برنامه کاربردی در دنیای واقعی برجسته میکنند. این متن موضوعات کلیدی - از جمله طبقهبندی، خوشهبندی، یادگیری آماری، تجزیه و تحلیل ارتباط، و پیوند کاوی - را در تحقیق و توسعه دادهکاوی و همچنین در دورههای داده کاوی، یادگیری ماشین و هوش مصنوعی پوشش میدهد. این کتاب با نامگذاری الگوریتمهای پیشرو در این زمینه، استفاده از تکنیکهای داده کاوی را در قلمرو وسیعتری از کاربردهای دنیای واقعی تشویق میکند. این باید الهام بخش محققان داده کاوی بیشتری باشد تا تأثیر و موضوعات تحقیقاتی جدید این الگوریتم ها را بررسی کنند.
Identifying some of the most influential algorithms that are widely used in the data mining community, The Top Ten Algorithms in Data Mining provides a description of each algorithm, discusses its impact, and reviews current and future research. Thoroughly evaluated by independent reviewers, each chapter focuses on a particular algorithm and is written by either the original authors of the algorithm or world-class researchers who have extensively studied the respective algorithm. The book concentrates on the following important algorithms: C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes, and CART. Examples illustrate how each algorithm works and highlight its overall performance in a real-world application. The text covers key topics—including classification, clustering, statistical learning, association analysis, and link mining—in data mining research and development as well as in data mining, machine learning, and artificial intelligence courses. By naming the leading algorithms in this field, this book encourages the use of data mining techniques in a broader realm of real-world applications. It should inspire more data mining researchers to further explore the impact and novel research issues of these algorithms.