کلمات کلیدی مربوط به کتاب ده الگوریتم برتر در داده کاوی: علوم و مهندسی کامپیوتر، هوش مصنوعی، داده کاوی
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.
Xindong Wu، Vipin Kumar ده الگوریتم برتر در داده کاوی. چپمن و
هال/CRC. 2009. 208
با شناسایی برخی از
تاثیرگذارترین الگوریتم هایی که به طور گسترده در جامعه داده کاوی
استفاده می شود، 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 درجه یک
جهانی که الگوریتم مربوطه را به طور گسترده مطالعه کرده اند،
نوشته شده است.
< /div> 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 طبقه
بندی، خوشه بندی، یادگیری آماری، تجزیه و تحلیل ارتباط، و پیوند
کاوی را در تحقیق و توسعه داده کاوی و همچنین در دوره های داده
کاوی، یادگیری ماشین و هوش مصنوعی پوشش می دهد.
با نامگذاری الگوریتمهای پیشرو
در این زمینه، این کتاب استفاده از تکنیکهای داده کاوی را در
قلمرو وسیعتری از برنامههای کاربردی 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.
Xindong Wu, Vipin Kumar The Top Ten Algorithms in Data Mining.
Chapman&Hall/CRC. 2009. 208
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.