Nouveauté
La Science des Données via R. Apprentissage non Supervisé. Réduction Dimensionelle: Composantes Principales, Analyse Factorielle et Correspondances
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
- ISBN8231374465
- EAN9798231374465
- Date de parution26/07/2025
- Protection num.pas de protection
- Infos supplémentairesepub
- ÉditeurWalzone Press
Résumé
Les algorithmes de science des données utilisent des méthodes informatiques pour extraire directement des informations des données. L'apprentissage automatique utilise deux types de techniques : l'apprentissage supervisé, qui entraîne un modèle avec des données d'entrée et de sortie connues afin de prédire les résultats futurs, et l'apprentissage non supervisé, qui identifie des modèles cachés ou des structures intrinsèques dans les données d'entrée.
La plupart des techniques d'analyse non supervisée liées à la réduction dimensionnelle sont développées tout au long de cet ouvrage d'un point de vue méthodologique et pratique, avec des applications via le logiciel R. Les techniques suivantes sont explorées en profondeur : l'analyse en composantes principales, l'analyse factorielle, l'analyse des correspondances simples et l'analyse des correspondances multiples.
La plupart des techniques d'analyse non supervisée liées à la réduction dimensionnelle sont développées tout au long de cet ouvrage d'un point de vue méthodologique et pratique, avec des applications via le logiciel R. Les techniques suivantes sont explorées en profondeur : l'analyse en composantes principales, l'analyse factorielle, l'analyse des correspondances simples et l'analyse des correspondances multiples.
Les algorithmes de science des données utilisent des méthodes informatiques pour extraire directement des informations des données. L'apprentissage automatique utilise deux types de techniques : l'apprentissage supervisé, qui entraîne un modèle avec des données d'entrée et de sortie connues afin de prédire les résultats futurs, et l'apprentissage non supervisé, qui identifie des modèles cachés ou des structures intrinsèques dans les données d'entrée.
La plupart des techniques d'analyse non supervisée liées à la réduction dimensionnelle sont développées tout au long de cet ouvrage d'un point de vue méthodologique et pratique, avec des applications via le logiciel R. Les techniques suivantes sont explorées en profondeur : l'analyse en composantes principales, l'analyse factorielle, l'analyse des correspondances simples et l'analyse des correspondances multiples.
La plupart des techniques d'analyse non supervisée liées à la réduction dimensionnelle sont développées tout au long de cet ouvrage d'un point de vue méthodologique et pratique, avec des applications via le logiciel R. Les techniques suivantes sont explorées en profondeur : l'analyse en composantes principales, l'analyse factorielle, l'analyse des correspondances simples et l'analyse des correspondances multiples.
