Rozumiem
Nasz serwis wykorzystuje pliki cookies, aby umożliwić funkcjonowanie strony i lepiej spełniać Twoje wymagania. Kontynuując przeglądanie serwisu akceptujesz wykorzystywanie plików cookies. Szczegółowe informacje można znaleźć tutaj.
Wyszukiwanie zaawansowane >>
Wczytuje wyszukiwanie...
0
liczba produktów: 0
Statystyczne systemy uczące się
KSIĄŻKA

Statystyczne systemy uczące się

Koronacki Jacek, Ćwik Jan
Wydawnictwo: Exit
Rok wydania: 2021
Wydanie: 2
Miejsce wydania:
Stron: 328
Format: 16.0x24.0cm
Oprawa: miękka
ISBN: 9788360434567
Cena katalogowa: 47.25 zł
Nasza cena: 33.26
Oszczędzasz: 13.99 zł
Zamawiana ilość:  
Dostępna: do 48h

Koszt dostawy:

Paczka w Ruchu: od 8.99 zł
Paczkomaty: od 10.99 zł
Poczta Polska: od 18.99 zł
Kurier DHL: od 12.99 zł

Opis

Systemy uczące się to algorytmiczne metody uczenia się na podstawie danych. Niesłychany wzrost mocy obliczeniowej komputerów oraz pojemności ich pamięci stworzył możliwości zarówno gromadzenia olbrzymich ilości informacji, jak i ich przetwarzania. Systemy uczące się są dziś podstawą tzw. eksploracji danych, inaczej inteligentnej analizy danych, czyli - by użyć powszechnie stosowanego terminu anglojęzycznego - analiz o nazwie data mining. SPIS TREŚCI Przedmowa do wydania pierwszego Przedmowa do wydania drugiego 1. Liniowe metody klasyfikacji 1.1. Klasyfikacja pod nadzorem - wprowadzenie 1.2. Fisherowska dyskryminacja liniowa 1.3. Dyskryminacja oparta na regresji linowej i logistycznej 1.4. Perceptron Rosenblatta 2. Metody klasyfikacji oparte na rozkładach prawdopodobieństwa 2.1. Klasyfikator bayesowski i metoda największej wiarogodności 2.2. Optymalność reguły bayesowskiej 2.3. Praktyczna konstrukcja klasyfikatorów 3. Metody klasyfikacji oparte na nieparametrycznej estymacji 3.1. Wprowadzenie 3.2. Nieparametryczna estymacja rozkładów w klasach 3.3. Metoda najbliższych sąsiadów 4. Drzewa klasyfikacyjne i rodziny klasyfikatoró 4.1. Wprowadzenie 4.2. Reguły podziału 4.3. Reguły przycinania drzew 4.4. Drzewa klasyfikacyjne - uwagi 4.5. Rodziny klasyfikatorów - algorytmy bagging i boosting 4.6. Rodziny klasyfikatorów - lasy losowe 5. Analiza regresji 5.1. Globalne modele parametryczne 5.2. Regresja nieparametryczna 5.3. Efekty losowe i liniowe modele mieszane 5.4. Uwagi końcowe 6. Uogólnienia metod liniowych 6.1. Dyskryminacja elastyczna 6.2. Maszyny wektoró podpierających 7. Systemy uczące się pod nadzorem - podsumowanie, uwagi dodatkowe 7.1. Podsumowanie 7.2. Uwagi dodatkowe 8. Metody rzutowania, wykrywania zmiennych ukrytych 8.1. Systemy uczące się bez nadzoru - wprowadzenie 8.2. Analiza skłądowych głównych 8.3. Estymacja gęstości wzdłuż interesujących rzutów 8.4. Analiza czynnikowa i analiza skłądowych niezależnych 8.5. Podobieństwo, odmienność i odległość między obiektami 8.6. Skalowanie wielowymiarowe 8.7. Metody jąrowe w systemach uczących się 9. Analiza skupień 9.1. Metody kombinatoryczne 9.2. Metody hierarchiczne - dendrogramy 9.3. Inne metody klasyczne 9.4. Trzy nieklasyczne podejścia do analizy skupień Książki cytowane Skorowidz
Zadzwoń: 505 751 600
Realizacja: tenkai.plSystemy informatyczne