دانلود کتاب طبقه بندی چند برچسبی: تجزیه و تحلیل مسئله، معیارها و تکنیک ها بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Multilabel Classification : Problem Analysis, Metrics and Techniques
ویرایش : 1
عنوان ترجمه شده به فارسی : طبقه بندی چند برچسبی: تجزیه و تحلیل مسئله، معیارها و تکنیک ها
سری :
نویسندگان : Francisco Herrera, Francisco Charte, Antonio J. Rivera, María J. del Jesus (auth.)
ناشر : Springer International Publishing
سال نشر : 2016
تعداد صفحات : 200
ISBN (شابک) : 9783319411118 , 9783319411101
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 8 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
این کتاب مروری جامع از تکنیکهای چند برچسبی را ارائه میکند که به طور گسترده برای طبقهبندی و برچسبگذاری متون، تصاویر، ویدئوها و موسیقی در اینترنت استفاده میشوند. بررسی عمیق ادبیات تخصصی در این زمینه شامل نرم افزارهای موجود مورد نیاز برای کار با این نوع داده ها است. ابزارهای نرم افزاری مورد نیاز برای مقابله با داده های چند برچسبی و همچنین آموزش گام به گام نحوه استفاده از آنها را در اختیار کاربر قرار می دهد. موضوعات اصلی تحت پوشش عبارتند از:
• ویژگی های خاص داده های چند برچسبی و معیارهای موجود برای اندازه گیری آنها.• اهمیت بهره گیری از همبستگی های برچسب برای بهبود نتایج.• رویکردهای متفاوتی که برای رویارویی با چند برچسب دنبال می شود. طبقه بندی. • تکنیک های پیش پردازش قابل اجرا در مجموعه داده های چند برچسبی. • ابزارهای نرم افزاری موجود برای کار با داده های چند برچسبی.
این کتاب به دلیل طیف گسترده ای از کاربردهای بالقوه برای متخصصان و محققان در زمینه های مختلف مفید است. برای طبقه بندی چند برچسبی علاوه بر کاربردهای متعدد آن برای طبقه بندی انواع مختلف اطلاعات آنلاین، در بسیاری از زمینه های دیگر مانند ژنومیک و زیست شناسی نیز مفید است. هیچ دانش قبلی در مورد موضوع مورد نیاز نیست. این کتاب تمام مفاهیم مورد نیاز برای درک توصیف، درمان و ارزیابی داده های چند برچسبی را معرفی می کند.
This book offers a comprehensive review of multilabel techniques widely used to classify and label texts, pictures, videos and music in the Internet. A deep review of the specialized literature on the field includes the available software needed to work with this kind of data. It provides the user with the software tools needed to deal with multilabel data, as well as step by step instruction on how to use them. The main topics covered are:
• The special characteristics of multi-labeled data and the metrics available to measure them.• The importance of taking advantage of label correlations to improve the results.• The different approaches followed to face multi-label classification.• The preprocessing techniques applicable to multi-label datasets.• The available software tools to work with multi-label data.
This book is beneficial for professionals and researchers in a variety of fields because of the wide range of potential applications for multilabel classification. Besides its multiple applications to classify different types of online information, it is also useful in many other areas, such as genomics and biology. No previous knowledge about the subject is required. The book introduces all the needed concepts to understand multilabel data characterization, treatment and evaluation.