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 Top Ten Algorithms in Data Mining

دانلود کتاب ده الگوریتم برتر در داده کاوی

The Top Ten Algorithms in Data Mining

مشخصات کتاب

The Top Ten Algorithms in Data Mining

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:  
نویسندگان:   
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 206 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت 

قیمت کتاب (تومان) : 28,000



کلمات کلیدی مربوط به کتاب ده الگوریتم برتر در داده کاوی: علوم و مهندسی کامپیوتر، هوش مصنوعی، داده کاوی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 17


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.


توضیحاتی در مورد کتاب ده الگوریتم برتر در داده کاوی

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.

توضیحاتی درمورد کتاب به خارجی

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.




نظرات کاربران