Nouveauté

Machine Learning mit R. Überwachtes Lernen: Prädiktive Modelle zur Klassifizierung. MACHINE LEARNING

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
  • ISBN8232462864
  • EAN9798232462864
  • Date de parution07/11/2025
  • Protection num.pas de protection
  • Infos supplémentairesepub
  • ÉditeurHamza elmir

Résumé

Algorithmen des maschinellen Lernens nutzen rechnergestützte Methoden, um Informationen direkt aus Daten zu extrahieren. Maschinelles Lernen verwendet zwei Techniken: überwachtes Lernen, bei dem ein Modell mit bekannten Eingabe- und Ausgabedaten trainiert wird, um zukünftige Ergebnisse vorherzusagen, und unüberwachtes Lernen, bei dem versteckte Muster oder intrinsische Strukturen in den Eingabedaten gefunden werden.
Die meisten Techniken des überwachten Lernens werden in diesem Buch aus methodischer und praktischer Sicht entwickelt und mit der Software R angewendet. Die folgenden Techniken werden ausführlich behandelt: Diskriminanzanalyse, Logit-Modelle, Probit-Modelle, Zählmodelle, verallgemeinerte lineare Modelle, diskrete Auswahlmodelle, Entscheidungsbäume und neuronale Netze.
Algorithmen des maschinellen Lernens nutzen rechnergestützte Methoden, um Informationen direkt aus Daten zu extrahieren. Maschinelles Lernen verwendet zwei Techniken: überwachtes Lernen, bei dem ein Modell mit bekannten Eingabe- und Ausgabedaten trainiert wird, um zukünftige Ergebnisse vorherzusagen, und unüberwachtes Lernen, bei dem versteckte Muster oder intrinsische Strukturen in den Eingabedaten gefunden werden.
Die meisten Techniken des überwachten Lernens werden in diesem Buch aus methodischer und praktischer Sicht entwickelt und mit der Software R angewendet. Die folgenden Techniken werden ausführlich behandelt: Diskriminanzanalyse, Logit-Modelle, Probit-Modelle, Zählmodelle, verallgemeinerte lineare Modelle, diskrete Auswahlmodelle, Entscheidungsbäume und neuronale Netze.