دانلود کتاب Kernel Based Algorithms for Mining Huge Data Sets: Supervised, Semi-supervised, and Unsupervised Learning
49,000 تومان
الگوریتم های مبتنی بر هسته برای استخراج مجموعه داده های عظیم: یادگیری تحت نظارت، نیمه نظارت و بدون نظارت
| موضوع اصلی | تحصیلات |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Springer |
| تعداد صفحه | 276 |
| حجم فایل | 5 مگابایت |
| کد کتاب | 3540316817,9783540316817,9783540316893 |
| نوبت چاپ | 1 |
| نویسنده | Ivica Kopriva, Te-Ming Huang, Vojislav Kecman |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| سال انتشار | 2006 |
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 |
ترجمه فارسی توضیحات (ترجمه ماشینی)
الگوریتم های مبتنی بر هسته برای استخراج مجموعه داده های عظیم: یادگیری تحت نظارت، نیمه نظارت و بدون نظارت
این اولین کتابی است که زمینه های یادگیری ماشین تحت نظارت، نیمه نظارت و بدون نظارت را به طور جمعی بررسی می کند. این کتاب هم تئوری و هم الگوریتمهای استخراج مجموعه دادههای عظیم را با استفاده از ماشینهای بردار پشتیبان (SVM) به روشی تکراری ارائه میکند. این نشان میدهد که چگونه SVMهای مبتنی بر هسته میتوانند برای کاهش ابعاد استفاده شوند و شباهتها و تفاوتهای بین دو روش رایج بدون نظارت را نشان میدهد.
This is the first book treating the fields of supervised, semi-supervised and unsupervised machine learning collectively. The book presents both the theory and the algorithms for mining huge data sets using support vector machines (SVMs) in an iterative way. It demonstrates how kernel based SVMs can be used for dimensionality reduction and shows the similarities and differences between the two most popular unsupervised techniques.
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.