Nouveauté
Fortgeschrittene Techniken für die Multivariate Datenanalyse mit Python. Vorhersagemodelle für Klassifizierung und Segmentierung
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
- ISBN8231404315
- EAN9798231404315
- Date de parution08/07/2025
- Protection num.pas de protection
- Infos supplémentairesepub
- ÉditeurWalzone Press
Résumé
In diesem Buch werden multivariate Vorhersage- oder Abhängigkeitsanalysetechniken (überwachte Lerntechniken in der modernen Sprache des maschinellen Lernens) und insbesondere Klassifizierungstechniken aus methodologischer Sicht und aus praktischer Sicht mit Anwendungen durch Python-Software entwickelt. Die folgenden Techniken werden eingehend untersucht: Verallgemeinerte lineare Modelle (Logit, Probit, Count und andere), Entscheidungsbäume, Diskriminanzanalyse, K-Nearest Neighbour (kNN), Support Vector Machine (SVM), Naive Bayes, Ensemble-Methoden (Bagging, Boosting, Voting, Stacking, Blending und Random Forest), Neuronale Netze, Multilayer Perceptron, Radial Basis Networks, Hopfield Networks, LSTM Networks, RNN Recurrent Networks, GRU Networks und Neuronale Netze für Zeitreihenvorhersagen.
Diese Techniken sind eine grundlegende Unterstützung für die Entwicklung der künstlichen Intelligenz.
Diese Techniken sind eine grundlegende Unterstützung für die Entwicklung der künstlichen Intelligenz.
In diesem Buch werden multivariate Vorhersage- oder Abhängigkeitsanalysetechniken (überwachte Lerntechniken in der modernen Sprache des maschinellen Lernens) und insbesondere Klassifizierungstechniken aus methodologischer Sicht und aus praktischer Sicht mit Anwendungen durch Python-Software entwickelt. Die folgenden Techniken werden eingehend untersucht: Verallgemeinerte lineare Modelle (Logit, Probit, Count und andere), Entscheidungsbäume, Diskriminanzanalyse, K-Nearest Neighbour (kNN), Support Vector Machine (SVM), Naive Bayes, Ensemble-Methoden (Bagging, Boosting, Voting, Stacking, Blending und Random Forest), Neuronale Netze, Multilayer Perceptron, Radial Basis Networks, Hopfield Networks, LSTM Networks, RNN Recurrent Networks, GRU Networks und Neuronale Netze für Zeitreihenvorhersagen.
Diese Techniken sind eine grundlegende Unterstützung für die Entwicklung der künstlichen Intelligenz.
Diese Techniken sind eine grundlegende Unterstützung für die Entwicklung der künstlichen Intelligenz.
