دسته: آمار ریاضی
دانلود کتاب رتبهبندیها و اولویتها: نتایج جدید در همبستگی وزنی و تجزیه و تحلیل مؤلفههای اصلی وزنی با برنامههای کاربردی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Rankings and Preferences: New Results in Weighted Correlation and Weighted Principal Component Analysis with Applications
ویرایش : 1
عنوان ترجمه شده به فارسی : رتبهبندیها و اولویتها: نتایج جدید در همبستگی وزنی و تجزیه و تحلیل مؤلفههای اصلی وزنی با برنامههای کاربردی
سری : SpringerBriefs in Statistics
نویسندگان : Joaquim Pinto da Costa (auth.)
ناشر : Springer-Verlag Berlin Heidelberg
سال نشر : 2015
تعداد صفحات : 95
ISBN (شابک) : 9783662483435 , 9783662483442
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 2 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 به طور مفصل به بررسی همبستگی، به طور دقیق تر همبستگی وزنی و کاربردهای مربوط به رتبه بندی می پردازد. یک کاربرد کلی، ارزیابی روشهای پیشبینی رتبهبندی است. برخی دیگر شامل رتبهبندیهایی هستند که ترجیحات انسانی را برای استنباط ترجیحات کاربر نشان میدهند. استفاده از همبستگی وزنی با داده های ریزآرایه و آنهایی که در حوزه سری های زمانی هستند. در این کتاب ما ضرایب همبستگی وزنی جدید و روشهای جدید تحلیل مؤلفههای اصلی وزنی را ارائه میکنیم.
همچنین روشهای جدیدی برای کاهش ابعاد و خوشهبندی برای دادههای سری زمانی معرفی میکنیم و برخی از نتایج نظری را در مورد ضرایب همبستگی وزنی در آن شرح میدهیم. بخش های جداگانه.
This book examines in detail the correlation, more precisely the weighted correlation and applications involving rankings. A general application is the evaluation of methods to predict rankings. Others involve rankings representing human preferences to infer user preferences; the use of weighted correlation with microarray data and those in the domain of time series. In this book we present new weighted correlation coefficients and new methods of weighted principal component analysis.
We also introduce new methods of dimension reduction and clustering for time series data and describe some theoretical results on the weighted correlation coefficients in separate sections.