Nouveauté

Datenwissenschaft mit R. Überwachtes Lernen. DATA SCIENCE

Par : César Pérez López
Offrir maintenant
Ou planifier dans votre panier
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
Logo Vivlio, 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 :
Google PlayApp Store
  • FormatePub
  • ISBN8232702854
  • EAN9798232702854
  • Date de parution23/11/2025
  • Protection num.pas de protection
  • Infos supplémentairesepub
  • ÉditeurHamza elmir

Résumé

Maschinelle Lernalgorithmen nutzen computergestützte Methoden, um Informationen direkt aus Daten zu extrahieren. Maschinelles Lernen verwendet zwei Hauptarten von Techniken: überwachtes Lernen, bei dem ein Modell mit bekannten Eingabe- und Ausgabedaten trainiert wird, um zukünftige Ergebnisse vorherzusagen, und unüberwachtes Lernen, das verborgene Muster oder intrinsische Strukturen in den Eingabedaten identifiziert.
Die meisten Techniken des überwachten Lernens werden in diesem Buch sowohl methodisch als auch praktisch entwickelt und anhand der Software R angewendet. Folgende Techniken werden ausführlich behandelt: Diskriminanzanalyse, Logit-Modelle, Probit-Modelle, Zählmodelle, generalisierte lineare Modelle, Modelle für diskrete Entscheidungen, Entscheidungsbäume und neuronale Netze.
Maschinelle Lernalgorithmen nutzen computergestützte Methoden, um Informationen direkt aus Daten zu extrahieren. Maschinelles Lernen verwendet zwei Hauptarten von Techniken: überwachtes Lernen, bei dem ein Modell mit bekannten Eingabe- und Ausgabedaten trainiert wird, um zukünftige Ergebnisse vorherzusagen, und unüberwachtes Lernen, das verborgene Muster oder intrinsische Strukturen in den Eingabedaten identifiziert.
Die meisten Techniken des überwachten Lernens werden in diesem Buch sowohl methodisch als auch praktisch entwickelt und anhand der Software R angewendet. Folgende Techniken werden ausführlich behandelt: Diskriminanzanalyse, Logit-Modelle, Probit-Modelle, Zählmodelle, generalisierte lineare Modelle, Modelle für diskrete Entscheidungen, Entscheidungsbäume und neuronale Netze.