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
دسته بندی: ریاضیات کاربردی ویرایش: 1 نویسندگان: David Skillicorn سری: ISBN (شابک) : 1584888326, 9781584888338 ناشر: سال نشر: 2007 تعداد صفحات: 267 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب Understanding Complex Datasets: Data Mining with Matrix Decompositions (Chapman & Hall Crc Data Mining and Knowledge Discovery Series) 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 درک مجموعه داده های پیچیده: داده کاوی با تجزیه ماتریس (Chapman & Hall Crc Data Mining and Knowledge Discovery Series) 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.
در دسترس قرار دادن دانش مبهم در مورد تجزیه ماتریس ها، درک مجموعه داده های پیچیده: داده کاوی با تجزیه ماتریس رایج ترین تجزیه ماتریس ها را مورد بحث قرار می دهد و نشان می دهد که چگونه می توان از آنها برای تجزیه و تحلیل مجموعه داده های بزرگ در طیف وسیعی از حوزه های کاربردی استفاده کرد. بدون نیاز به درک تمام جزئیات ریاضی، این کتاب به شما کمک میکند تا تعیین کنید کدام ماتریس برای مجموعه دادههای شما مناسب است و نتایج به چه معناست. با توضیح اثربخشی ماتریسها به عنوان ابزار تجزیه و تحلیل دادهها، این کتاب توانایی تجزیه ماتریس را برای ارائه تحلیلهای قویتر نشان میدهد و برای تولید داده های تمیزتر از تکنیک های رایج تر. نویسنده پیوندهای عمیق بین تجزیه ماتریس و ساختارهای درون نمودارها را بررسی میکند و الگوریتم رتبه صفحه موتور جستجوی گوگل را به تجزیه ارزش منفرد مرتبط میکند. او همچنین کاهش ابعاد، فیلتر مشارکتی، خوشهبندی و تحلیل طیفی را پوشش میدهد. با ارقام و مثالهای متعدد، این کتاب نشان میدهد که چگونه میتوان از تجزیه ماتریس برای یافتن اسناد در اینترنت، جستجوی ذخایر معدنی عمیق بدون حفاری، کاوش در ساختار پروتئینها، شناسایی ایمیلهای مشکوک یا تماسهای تلفن همراه و موارد دیگر استفاده کرد. تمرکز بر روی مکانیک داده کاوی و برنامه های کاربردی، این منبع به شما کمک می کند مجموعه داده های بزرگ و پیچیده را مدل سازی کنید و ارتباط بین تکنیک های استاندارد داده کاوی و تجزیه ماتریس را بررسی کنید.
Making obscure knowledge about matrix decompositions widely available, Understanding Complex Datasets: Data Mining with Matrix Decompositions discusses the most common matrix decompositions and shows how they can be used to analyze large datasets in a broad range of application areas. Without having to understand every mathematical detail, the book helps you determine which matrix is appropriate for your dataset and what the results mean.Explaining the effectiveness of matrices as data analysis tools, the book illustrates the ability of matrix decompositions to provide more powerful analyses and to produce cleaner data than more mainstream techniques. The author explores the deep connections between matrix decompositions and structures within graphs, relating the PageRank algorithm of Google's search engine to singular value decomposition. He also covers dimensionality reduction, collaborative filtering, clustering, and spectral analysis. With numerous figures and examples, the book shows how matrix decompositions can be used to find documents on the Internet, look for deeply buried mineral deposits without drilling, explore the structure of proteins, detect suspicious emails or cell phone calls, and more.Concentrating on data mining mechanics and applications, this resource helps you model large, complex datasets and investigate connections between standard data mining techniques and matrix decompositions.