داده کاوی؛ ابزارها و تکنیک‌های کاربردی یادگیری ماشین

قیمت 16,000 تومان

خرید محصول توسط کلیه کارت های شتاب امکان پذیر است و بلافاصله پس از خرید، لینک دانلود محصول در اختیار شما قرار خواهد گرفت.
کتاب “داده‌کاوی” یک دانش اولیه جامع در زمینه مفاهیم یادگیری ماشین همچنین توصیه‌های عملی در زمینه اجرای ابزارها و تکنیک‌های یادگیری ماشین در شرایط‌ واقعی داده‌کاوی را ارائه می‌دهد.
نسخه سوم این کتاب، هرآنچیزی را که نیاز دارید درباره آماده‌سازی ورودی‌ها، تفسیر خروجی‌ها، ارزیابی نتایج و روش‌های الگوریتمی در قلب داده‌کاوی موفق بدانید را به شما آموزش می‌دهد.
این نسخه با به‌روزرسانی کامل، آخرین تغییرات تکنیکی که بعد از ویرایش دوم کتاب صورت گرفته است را انعکاس می‌‌دهد. این تغییرات شامل مواد جدید در تحول داده‌، یادگیری جمعی، مجموعه‌های عظیم داده، یادگیری چندنمونه‌ای به‌همراه نسخه جدید نرم‌افزار یادگیری ماشین محبوب Weka که توسط نویسندگان توسعه یافته است، می‌شود.
سال انتشار: 2011  |  تعداد صفحات: 664  |  حجم فایل: 6.94 مگابایت  |  زبان: انگلیسی
Data Mining: Practical Machine Learning Tools and Techniques
نویسنده:
Ian H. Witten
ناشر:
Morgan Kaufmann
ISBN10:
0123748569
ISBN13:
9780123748560

 

عناوین مرتبط:


Data Mining: Practical Machine Learning Tools and Techniques offers a thorough grounding in machine learning concepts as well as practical advice on applying machine learning tools and techniques in real-world data mining situations. This highly anticipated third edition of the most acclaimed work on data mining and machine learning will teach you everything you need to know about preparing inputs, interpreting outputs, evaluating results, and the algorithmic methods at the heart of successful data mining. Thorough updates reflect the technical changes and modernizations that have taken place in the field since the last edition, including new material on Data Transformations, Ensemble Learning, Massive Data Sets, Multi-instance Learning, plus a new version of the popular Weka machine learning software developed by the authors. Witten, Frank, and Hall include both tried-and-true techniques of today as well as methods at the leading edge of contemporary research. *Provides a thorough grounding in machine learning concepts as well as practical advice on applying the tools and techniques to your data mining projects *Offers concrete tips and techniques for performance improvement that work by transforming the input or output in machine learning methods *Includes downloadable Weka software toolkit, a collection of machine learning algorithms for data mining tasks―in an updated, interactive interface. Algorithms in toolkit cover: data pre-processing, classification, regression, clustering, association rules, visualization