دانلود کتاب تجزیه و تحلیل خوشه ای قوی و انتخاب متغیر بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Robust Cluster Analysis and Variable Selection
ویرایش : 1
عنوان ترجمه شده به فارسی : تجزیه و تحلیل خوشه ای قوی و انتخاب متغیر
سری : Chapman & Hall/CRC Monographs on Statistics & Applied Probability
نویسندگان : Gunter Ritter
ناشر : Chapman and Hall/CRC
سال نشر : 2014
تعداد صفحات : 388
ISBN (شابک) : 1439857962 , 9781439857960
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 3 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.
خوشهبندی همچنان یک حوزه پر جنب و جوش تحقیقاتی در آمار است. اگرچه کتاب های زیادی در این زمینه وجود دارد، اما نسبتاً تعداد کمی از آنها وجود دارد که در جنبه های نظری به خوبی پایه گذاری شده باشند. در تحلیل خوشهای قوی و انتخاب متغیر، گانتر ریتر مروری بر نظریه و کاربردهای خوشهبندی احتمالی و انتخاب متغیر ارائه میکند و نتایج تحقیقات کلیدی 50 سال گذشته را ترکیب میکند.
نویسنده بر روی روش های خوشه بندی قوی تمرکز می کند که به نظر او برای داده های شبیه سازی شده و برنامه های بلادرنگ مفیدترین هستند. این کتاب راهنمایی روشنی را برای نیازهای مختلف هر دو برنامه ارائه میکند و سناریوهایی را توصیف میکند که در آن دقت و سرعت اهداف اولیه هستند.
تحلیل خوشهای قوی و انتخاب متغیر
B> شامل تمام جزئیات مهم نظری است و مدلهای احتمالی کلیدی، مسائل استحکام، الگوریتمهای بهینهسازی، تکنیکهای اعتبارسنجی و روشهای انتخاب متغیر را پوشش میدهد. این کتاب روشهای مختلف را با دادههای شبیهسازی شده نشان میدهد و آنها را در مجموعههای دادههای دنیای واقعی که میتوان به راحتی از وب دانلود کرد، اعمال میکند. این به شما راهنمایی هایی را در مورد نحوه استفاده از روش های خوشه بندی و همچنین روش ها و الگوریتم های قابل اجرا بدون نیاز به درک اصول احتمالی آنها ارائه می دهد.Clustering remains a vibrant area of research in statistics. Although there are many books on this topic, there are relatively few that are well founded in the theoretical aspects. In Robust Cluster Analysis and Variable Selection, Gunter Ritter presents an overview of the theory and applications of probabilistic clustering and variable selection, synthesizing the key research results of the last 50 years.
The author focuses on the robust clustering methods he found to be the most useful on simulated data and real-time applications. The book provides clear guidance for the varying needs of both applications, describing scenarios in which accuracy and speed are the primary goals.
Robust Cluster Analysis and Variable Selection includes all of the important theoretical details, and covers the key probabilistic models, robustness issues, optimization algorithms, validation techniques, and variable selection methods. The book illustrates the different methods with simulated data and applies them to real-world data sets that can be easily downloaded from the web. This provides you with guidance in how to use clustering methods as well as applicable procedures and algorithms without having to understand their probabilistic fundamentals.