Newsletter

Otrzymuj jako pierwszy informacje o nowościach i promocjach!

Email:
Wyrażam zgodę na otrzymywanie oferty handlowej. Więcej
To pole jest wymagane
Akceptuję regulamin
To pole jest wymagane

Nasz newsletter wysyłany jest zwykle raz na miesiąc.

Statystyczne systemy uczące się

Jacek Koronacki , Jan Ćwik

Statystyczne systemy uczące się Polish Books Canada
Dostępny
Dostępne 10+ sztuk

Zobacz dostępne formy płatności.

 
Product info / Cechy produktu
Rodzaj (nośnik) / Item type książka / book
Dział / Department Książki i czasopisma / Books and periodicals
Autor / Author Jacek Koronacki , Jan Ćwik
Tytuł / Title Statystyczne systemy uczące się
Język / Language polski
Wydawca / Publisher Exit
Rok wydania / Year published 2023
   
Rodzaj oprawy / Cover type Miękka
Wymiary / Size 16.0x24.0 cm
Liczba stron / Pages 328
Ciężar / Weight 0,5300 kg
   
Wydano / Published on 20.10.2021
ISBN 9788360434567 (9788360434567)
EAN/UPC 9788360434567
Stan produktu / Condition nowy / new - sprzedajemy wyłącznie nowe nieużywane produkty
Book in Polish by Jacek Koronacki, Jan Ćwik. Systemy uczące się to algorytmiczne metody uczenia się na podstawie danych. Niesłychany wzrost mocy obliczeniowej komputerów oraz pojemności ich pamięci stworzył możliwości zarówno gromadzenia olbrzymich ilości informacji, jak i ich przetwarzania. Systemy uczące się są dziś podstawą tzw. eksploracji danych, inaczej inteligentnej analizy danych, czyli - by użyć powszechnie stosowanego terminu anglojęzycznego - analiz o nazwie data mining.

SPIS TREŚCI
Przedmowa do wydania pierwszego
Przedmowa do wydania drugiego
1. Liniowe metody klasyfikacji
1.1. Klasyfikacja pod nadzorem - wprowadzenie
1.2. Fisherowska dyskryminacja liniowa
1.3. Dyskryminacja oparta na regresji linowej i logistycznej
1.4. Perceptron Rosenblatta

2. Metody klasyfikacji oparte na rozkładach prawdopodobieństwa
2.1. Klasyfikator bayesowski i metoda największej wiarogodności
2.2. Optymalność reguły bayesowskiej
2.3. Praktyczna konstrukcja klasyfikatorów

3. Metody klasyfikacji oparte na nieparametrycznej estymacji
3.1. Wprowadzenie
3.2. Nieparametryczna estymacja rozkładów w klasach
3.3. Metoda najbliższych sąsiadów

4. Drzewa klasyfikacyjne i rodziny klasyfikatoró
4.1. Wprowadzenie
4.2. Reguły podziału
4.3. Reguły przycinania drzew
4.4. Drzewa klasyfikacyjne - uwagi
4.5. Rodziny klasyfikatorów - algorytmy bagging i boosting
4.6. Rodziny klasyfikatorów - lasy losowe

5. Analiza regresji
5.1. Globalne modele parametryczne
5.2. Regresja nieparametryczna
5.3. Efekty losowe i liniowe modele mieszane
5.4. Uwagi końcowe

6. Uogólnienia metod liniowych
6.1. Dyskryminacja elastyczna
6.2. Maszyny wektoró podpierających

7. Systemy uczące się pod nadzorem - podsumowanie, uwagi dodatkowe
7.1. Podsumowanie
7.2. Uwagi dodatkowe

8. Metody rzutowania, wykrywania zmiennych ukrytych
8.1. Systemy uczące się bez nadzoru - wprowadzenie
8.2. Analiza skłądowych głównych
8.3. Estymacja gęstości wzdłuż interesujących rzutów
8.4. Analiza czynnikowa i analiza skłądowych niezależnych
8.5. Podobieństwo, odmienność i odległość między obiektami
8.6. Skalowanie wielowymiarowe
8.7. Metody jąrowe w systemach uczących się

9. Analiza skupień
9.1. Metody kombinatoryczne
9.2. Metody hierarchiczne - dendrogramy
9.3. Inne metody klasyczne
9.4. Trzy nieklasyczne podejścia do analizy skupień

Książki cytowane
Skorowidz
Klienci, którzy kupili ten produkt nabyli również
Tagi produktowe

 Tip: Type the quantity (default is 1) and click "Add to cart" button to order online.