Principles of Data Mining (Undergraduate Topics in Computer Science)2013

خواهشمندیم اگر از گلوبایت رضایت دارید به دوستان خود هم معرفی کنید 😊👇
0 0 رای
رتبه بندی
Principles of Data Mining (Undergraduate Topics in Computer Science)2013
Principles of Data Mining (Undergraduate Topics in Computer Science)2013

Title: Principles of Data Mining
Author(s): Max Bramer
Series: Undergraduate Topics in Computer Science
Publisher: Springer
Year: 2013 Edition: 2nd ed. 2013
Language: English
Pages: 455
ISBN: 1447148835, 9781447148838
Size: 4 MB

۴۵٫۵۳$:amazon price

قیمت همین کتاب در سایت گلوبایت فقط 

۲۱۰۰۰تومان

۹۹٫۰۰۰ تومان

برای خرید آنی با استفاده از درگاه های بانکی عضو شتاب بر روی دکمه خرید کلیک کنید

کليک جهت خريد کالا ، به منظور پذيرش قوانين و مقررات سايت مي باشد .

پس از پرداخت وجه لینک دانلود آنی به ایمیلتان ارسال می شود

Data Mining, the automatic extraction of implicit and potentially useful information from data, is increasingly used in commercial, scientific and other application areas.

Principles of Data Mining explains and explores the principal techniques of Data Mining: for classification, association rule mining and clustering. Each topic is clearly explained and illustrated by detailed worked examples, with a focus on algorithms rather than mathematical formalism. It is written for readers without a strong background in mathematics or statistics, and any formulae used are explained in detail.

This second edition has been expanded to include additional chapters on using frequent pattern trees for Association Rule Mining, comparing classifiers, ensemble classification and dealing with very large volumes of data.

Principles of Data Mining aims to help general readers develop the necessary understanding of what is inside the ‘black box’ so they can use commercial data mining packages discriminatingly, as well as enabling advanced readers or academic researchers to understand or contribute to future technical advances in the field.

Suitable as a textbook to support courses at undergraduate or postgraduate levels in a wide range of subjects including Computer Science, Business Studies, Marketing, Artificial Intelligence, Bioinformatics and Forensic Science.

داده کاوی، استخراج خودکار اطلاعات ضمنی و بالقوه مفید از داده ها، به طور فزاینده ای در زمینه برنامه های تجاری، علمی و دیگر استفاده می شود.

اصول داده کاوی را توضیح می دهد و به بررسی تکنیک های اصلی داده کاوی: برای طبقه بندی و استخراج قوانین انجمن و خوشه. هر موضوع است که به وضوح توضیح داده شده و نشان داده شده توسط نمونه های دقیق کار می کرد، با تمرکز بر الگوریتم و نه از فرمالیسم ریاضی. این است که برای خوانندگان بدون پس زمینه قوی در ریاضیات و آمار نوشته شده است، و هر فرمول استفاده می شود به طور مفصل توضیح داده شده است.

این ویرایش دوم گسترش یافته است که شامل بخش های اضافی در استفاده از درختان الگوی مکرر برای انجمن قاعده معدن، مقایسه طبقه بندی، طبقه بندی گروه و خرید و فروش با حجم بسیار زیادی از اطلاعات.

اصول داده کاوی با هدف کمک به خوانندگان به طور کلی توسعه درک لازم را از آنچه در داخل “جعبه سیاه” به طوری که آنها می توانید بسته های داده کاوی تجاری discriminatingly را قادر می سازد خوانندگان پیشرفته و یا محققان دانشگاهی به درک و یا کمک به پیشرفت های فنی در آینده استفاده کنید، و همچنین زمین میشه.

مناسب به عنوان یک کتاب درسی برای حمایت از دوره های آموزشی در سطوح کارشناسی و یا کارشناسی ارشد در طیف گسترده ای از موضوعات از جمله علوم کامپیوتر، مطالعات بازرگانی، بازاریابی، هوش مصنوعی، بیوانفورماتیک و علوم پزشکی قانونی.

خواهشمندیم اگر از گلوبایت رضایت دارید به دوستان خود هم معرفی کنید 😊👇
Tags:, , , , , , , , , , , , , , , , , , , , , , , , , ,
گلوبایت در اینستاگرام گلوبایت در تلگرام
0 0 رای
رتبه بندی
مشترک شدن
اطلاع رسانی کن
guest
0 دیدگاه برای این مطلب ثبت شده است.
بازخوردها
دیدن همه نظرات
0
خوشحال میشیم در مورد این مطلب نظر دهید.x