دانلود کتاب Data Mining With Decision Trees: Theory and Applications (2nd Edition)
49,000 تومان
داده کاوی با درختان تصمیم: نظریه و کاربردها (ویرایش دوم)
| موضوع اصلی | کامپیوتر – علوم کامپیوتر |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | World Scientific Publishing Company |
| تعداد صفحه | 380 / 328 |
| حجم فایل | 5.40 مگابایت |
| کد کتاب | 981459007X , 9789814590075 |
| نوبت چاپ | 2 |
| نویسنده | Lior Rokach, Oded Maimon |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| سال انتشار | 2015 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
This 2nd Edition is dedicated entirely to the field of decision trees in data mining; to cover all aspects of this important technique, as well as improved or new methods and techniques developed after the publication of our first edition. In this new edition, all chapters have been revised and new topics brought in. New topics include Cost-Sensitive Active Learning, Learning with Uncertain and Imbalanced Data, Using Decision Trees beyond Classification Tasks, Privacy Preserving Decision Tree Learning, Lessons Learned from Comparative Studies, and Learning Decision Trees for Big Data. A walk-through guide to existing open-source data mining software is also included in this edition.
This book invites readers to explore the many benefits in data mining that decision trees offer:
- Self-explanatory and easy to follow when compacted
- Able to handle a variety of input data: nominal, numeric and textual
- Scales well to big data
- Able to process datasets that may have errors or missing values
- High predictive performance for a relatively small computational effort
- Available in many open source data mining packages over a variety of platforms
- Useful for various tasks, such as classification, regression, clustering and feature selection
Readership: Researchers, graduate and undergraduate students in information systems, engineering, computer science, statistics and management.
ترجمه فارسی (ترجمه ماشینی)
درختان تصمیم به یکی از قدرتمندترین و محبوب ترین رویکردها در کشف دانش و داده کاوی تبدیل شده اند. این علم کاوش توده های بزرگ و پیچیده داده ها به منظور کشف الگوهای مفید است. یادگیری درخت تصمیم در طول زمان به تکامل خود ادامه می دهد. روشهای موجود دائماً در حال بهبود هستند و روشهای جدیدی معرفی میشوند.
این ویرایش دوم کاملاً به حوزه درختهای تصمیم در دادهکاوی اختصاص دارد. برای پوشش دادن تمام جنبههای این تکنیک مهم، و همچنین روشها و تکنیکهای بهبود یافته یا جدید که پس از انتشار اولین نسخه ما توسعه یافتهاند. در این نسخه جدید، تمام فصلها اصلاح شده و موضوعات جدیدی وارد شده است. موضوعات جدید شامل یادگیری فعال حساس به هزینه، یادگیری با دادههای نامشخص و نامتعادل، استفاده از درختهای تصمیم فراتر از وظایف طبقهبندی، حفظ حریم خصوصی، یادگیری درخت تصمیم، درسهای آموختهشده از مطالعات تطبیقی است. و یادگیری درختان تصمیم گیری برای داده های بزرگ. یک راهنمای کامل برای نرمافزار دادهکاوی منبع باز موجود نیز در این نسخه گنجانده شده است.
این کتاب از خوانندگان دعوت میکند تا مزایای بسیاری را در دادهکاوی که درختهای تصمیمگیری ارائه میدهند بررسی کنند:
>
- خود توضیحی است و به راحتی قابل پیگیری در هنگام فشرده سازی است
- قابلیت رسیدگی به انواع داده های ورودی: اسمی، عددی و متنی
- به خوبی مقیاس می شود به داده های بزرگ
- قابلیت پردازش مجموعه داده هایی که ممکن است دارای خطا یا مقادیر گم شده باشند
- عملکرد پیش بینی بالا برای یک تلاش محاسباتی نسبتاً کوچک
- در بسیاری از داده های منبع باز موجود است. بستههای استخراج بر روی پلتفرمهای مختلف
- مفید برای وظایف مختلف، مانند طبقهبندی، رگرسیون، خوشهبندی و انتخاب ویژگی
خوانندگان: پژوهشگران، فارغالتحصیلان و کارشناسی دانشجویان در سیستم های اطلاعاتی، مهندسی، علوم کامپیوتر، آمار و مدیریت.
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.