Vítáme Vás, můžete se přihlásit nebo vytvořit účet.

Cart

product (empty)

Košík je prázdný

Zboží celkem: 0 Kč

Termín obdržení zásilky
Dodací doba je ovlivněna statním svátkem ( 06.04 )
Česká pošta	Pondělí 07.04
PPL	Pondělí 07.04
Osobní odběr	Úterý 08.04
Termíny jsou pouze orientační a mohou se lišit podle zvoleného typu platby. O Průběhu zásilky Vás budeme informovat e-mailem.
Při nákupu většího množství produktů negarantujeme dodání do zobrazeného data

Statystyczne systemy uczące się

19 %

227 Kč 281 Kč

Expedice za 2 až 3 dny

Sleva až 70% u třetiny knih

Popis knihy

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\nPrzedmowa do wydania pierwszego\nPrzedmowa do wydania drugiego\n1. Liniowe metody klasyfikacji\n1.1. Klasyfikacja pod nadzorem - wprowadzenie\n1.2. Fisherowska dyskryminacja liniowa\n1.3. Dyskryminacja oparta na regresji linowej i logistycznej\n1.4. Perceptron Rosenblatta

\n
Metody klasyfikacji oparte na rozkładach prawdopodobieństwa\n2.1. Klasyfikator bayesowski i metoda największej wiarogodności\n2.2. Optymalność reguły bayesowskiej\n2.3. Praktyczna konstrukcja klasyfikatorów
\n
\n
Metody klasyfikacji oparte na nieparametrycznej estymacji\n3.1. Wprowadzenie\n3.2. Nieparametryczna estymacja rozkładów w klasach\n3.3. Metoda najbliższych sąsiadów
\n
\n
Drzewa klasyfikacyjne i rodziny klasyfikatoró\n4.1. Wprowadzenie\n4.2. Reguły podziału\n4.3. Reguły przycinania drzew\n4.4. Drzewa klasyfikacyjne - uwagi\n4.5. Rodziny klasyfikatorów - algorytmy bagging i boosting\n4.6. Rodziny klasyfikatorów - lasy losowe
\n
\n
Analiza regresji\n5.1. Globalne modele parametryczne\n5.2. Regresja nieparametryczna\n5.3. Efekty losowe i liniowe modele mieszane\n5.4. Uwagi końcowe
\n
\n
Uogólnienia metod liniowych\n6.1. Dyskryminacja elastyczna\n6.2. Maszyny wektoró podpierających
\n
\n
Systemy uczące się pod nadzorem - podsumowanie, uwagi dodatkowe\n7.1. Podsumowanie\n7.2. Uwagi dodatkowe
\n
\n
Metody rzutowania, wykrywania zmiennych ukrytych\n8.1. Systemy uczące się bez nadzoru - wprowadzenie\n8.2. Analiza skłądowych głównych\n8.3. Estymacja gęstości wzdłuż interesujących rzutów\n8.4. Analiza czynnikowa i analiza skłądowych niezależnych\n8.5. Podobieństwo, odmienność i odległość między obiektami\n8.6. Skalowanie wielowymiarowe\n8.7. Metody jąrowe w systemach uczących się
\n
\n
Analiza skupień\n9.1. Metody kombinatoryczne\n9.2. Metody hierarchiczne - dendrogramy\n9.3. Inne metody klasyczne\n9.4. Trzy nieklasyczne podejścia do analizy skupień
\n

Książki cytowane\nSkorowidz