Nouveauté
Ciencia de Datos a través de R. Aprendizaje no Supervisado. Reducción de la Dimensión: Componentes Principales, Análisis Factorial y Correspondencias
Par :Formats :
Disponible dans votre compte client Decitre ou Furet du Nord dès validation de votre commande. Le format ePub est :
- Compatible avec une lecture sur My Vivlio (smartphone, tablette, ordinateur)
- Compatible avec une lecture sur liseuses Vivlio
- Pour les liseuses autres que Vivlio, vous devez utiliser le logiciel Adobe Digital Edition. Non compatible avec la lecture sur les liseuses Kindle, Remarkable et Sony
, qui est-ce ?Notre partenaire de plateforme de lecture numérique où vous retrouverez l'ensemble de vos ebooks gratuitement
Pour en savoir plus sur nos ebooks, consultez notre aide en ligne ici
C'est si simple ! Lisez votre ebook avec l'app Vivlio sur votre tablette, mobile ou ordinateur :
- FormatePub
- ISBN8231861200
- EAN9798231861200
- Date de parution25/07/2025
- Protection num.pas de protection
- Infos supplémentairesepub
- ÉditeurWalzone Press
Résumé
Los algoritmos de Ciencia de Datos utilizan métodos computacionales para extraer información directamente de los datos. El aprendizaje automático utiliza dos tipos de técnicas: el aprendizaje supervisado, que entrena a un modelo con datos conocidos de entrada y salida para que pueda predecir resultados futuros, y el aprendizaje no supervisado, que encuentra patrones ocultos o estructuras intrínsecas en los datos de entrada.
La mayoría de las técnicas de análisis no supervisado relativas a la reducción de la dimensión se desarrollan a lo largo de este libro desde un punto de vista metodológico y desde un punto de vista práctico con aplicaciones a través del software R. Se profundiza en las siguientes técnicas: Análisis en componentes principales, Análisis factorial, Análisis de correspondencias simples y Análisis de correspondencias múltiples
La mayoría de las técnicas de análisis no supervisado relativas a la reducción de la dimensión se desarrollan a lo largo de este libro desde un punto de vista metodológico y desde un punto de vista práctico con aplicaciones a través del software R. Se profundiza en las siguientes técnicas: Análisis en componentes principales, Análisis factorial, Análisis de correspondencias simples y Análisis de correspondencias múltiples
Los algoritmos de Ciencia de Datos utilizan métodos computacionales para extraer información directamente de los datos. El aprendizaje automático utiliza dos tipos de técnicas: el aprendizaje supervisado, que entrena a un modelo con datos conocidos de entrada y salida para que pueda predecir resultados futuros, y el aprendizaje no supervisado, que encuentra patrones ocultos o estructuras intrínsecas en los datos de entrada.
La mayoría de las técnicas de análisis no supervisado relativas a la reducción de la dimensión se desarrollan a lo largo de este libro desde un punto de vista metodológico y desde un punto de vista práctico con aplicaciones a través del software R. Se profundiza en las siguientes técnicas: Análisis en componentes principales, Análisis factorial, Análisis de correspondencias simples y Análisis de correspondencias múltiples
La mayoría de las técnicas de análisis no supervisado relativas a la reducción de la dimensión se desarrollan a lo largo de este libro desde un punto de vista metodológico y desde un punto de vista práctico con aplicaciones a través del software R. Se profundiza en las siguientes técnicas: Análisis en componentes principales, Análisis factorial, Análisis de correspondencias simples y Análisis de correspondencias múltiples
