Nouveauté
Techniken der Multivariaten Datenanalyse mit Python. Dimensionsreduktion, 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
- ISBN8231768981
- EAN9798231768981
- Date de parution12/07/2025
- Protection num.pas de protection
- Infos supplémentairesepub
- ÉditeurWalzone Press
Résumé
In der Praxis einer Studie misst oder beobachtet der Forscher typischerweise viele Variablen in einer Gruppe von Personen. Er möchte diese gemeinsam untersuchen und wendet die multivariate Analyse an. Dabei stehen ihm verschiedene Techniken zur Verfügung, von denen er die für seine Daten und vor allem für sein wissenschaftliches Ziel am besten geeignete auswählen muss. Bei der Beobachtung vieler Variablen in einer Stichprobe ist es wahrscheinlich, dass einige der gesammelten Informationen redundant sind.
In diesem Fall versuchen multivariate Methoden der Dimensionsreduktion (Methoden, die beobachtete Variablen kombinieren, um einige wenige fiktive Variablen zu erhalten, die sie repräsentieren) diese zu eliminieren. Andererseits können Personen in ihren Antworten bestimmte gemeinsame Merkmale aufweisen, die eine Klassifizierung in Gruppen mit einer gewissen Homogenität ermöglichen (Analyse der Beziehungen zwischen Variablen, um zu prüfen, ob Personen nachträglich in Gruppen unterteilt werden können).
Schließlich kann es eine Variable geben, deren Abhängigkeit von einer Reihe anderer Variablen interessant zu untersuchen ist, um ihre Beziehung zu analysieren oder sogar eine Vorhersage zu wagen, wenn die anderen Variablen bekannt sind. Dieses Buch untersucht Techniken der Dimensionsreduktion (Hauptkomponentenanalyse, Faktorenanalyse, Korrespondenzanalyse und multidimensionale Skalierung). Darüber hinaus befasst es sich mit der Diskriminanzanalyse und ihren Anwendungen zur Klassifizierung und Segmentierung.
In diesem Fall versuchen multivariate Methoden der Dimensionsreduktion (Methoden, die beobachtete Variablen kombinieren, um einige wenige fiktive Variablen zu erhalten, die sie repräsentieren) diese zu eliminieren. Andererseits können Personen in ihren Antworten bestimmte gemeinsame Merkmale aufweisen, die eine Klassifizierung in Gruppen mit einer gewissen Homogenität ermöglichen (Analyse der Beziehungen zwischen Variablen, um zu prüfen, ob Personen nachträglich in Gruppen unterteilt werden können).
Schließlich kann es eine Variable geben, deren Abhängigkeit von einer Reihe anderer Variablen interessant zu untersuchen ist, um ihre Beziehung zu analysieren oder sogar eine Vorhersage zu wagen, wenn die anderen Variablen bekannt sind. Dieses Buch untersucht Techniken der Dimensionsreduktion (Hauptkomponentenanalyse, Faktorenanalyse, Korrespondenzanalyse und multidimensionale Skalierung). Darüber hinaus befasst es sich mit der Diskriminanzanalyse und ihren Anwendungen zur Klassifizierung und Segmentierung.
In der Praxis einer Studie misst oder beobachtet der Forscher typischerweise viele Variablen in einer Gruppe von Personen. Er möchte diese gemeinsam untersuchen und wendet die multivariate Analyse an. Dabei stehen ihm verschiedene Techniken zur Verfügung, von denen er die für seine Daten und vor allem für sein wissenschaftliches Ziel am besten geeignete auswählen muss. Bei der Beobachtung vieler Variablen in einer Stichprobe ist es wahrscheinlich, dass einige der gesammelten Informationen redundant sind.
In diesem Fall versuchen multivariate Methoden der Dimensionsreduktion (Methoden, die beobachtete Variablen kombinieren, um einige wenige fiktive Variablen zu erhalten, die sie repräsentieren) diese zu eliminieren. Andererseits können Personen in ihren Antworten bestimmte gemeinsame Merkmale aufweisen, die eine Klassifizierung in Gruppen mit einer gewissen Homogenität ermöglichen (Analyse der Beziehungen zwischen Variablen, um zu prüfen, ob Personen nachträglich in Gruppen unterteilt werden können).
Schließlich kann es eine Variable geben, deren Abhängigkeit von einer Reihe anderer Variablen interessant zu untersuchen ist, um ihre Beziehung zu analysieren oder sogar eine Vorhersage zu wagen, wenn die anderen Variablen bekannt sind. Dieses Buch untersucht Techniken der Dimensionsreduktion (Hauptkomponentenanalyse, Faktorenanalyse, Korrespondenzanalyse und multidimensionale Skalierung). Darüber hinaus befasst es sich mit der Diskriminanzanalyse und ihren Anwendungen zur Klassifizierung und Segmentierung.
In diesem Fall versuchen multivariate Methoden der Dimensionsreduktion (Methoden, die beobachtete Variablen kombinieren, um einige wenige fiktive Variablen zu erhalten, die sie repräsentieren) diese zu eliminieren. Andererseits können Personen in ihren Antworten bestimmte gemeinsame Merkmale aufweisen, die eine Klassifizierung in Gruppen mit einer gewissen Homogenität ermöglichen (Analyse der Beziehungen zwischen Variablen, um zu prüfen, ob Personen nachträglich in Gruppen unterteilt werden können).
Schließlich kann es eine Variable geben, deren Abhängigkeit von einer Reihe anderer Variablen interessant zu untersuchen ist, um ihre Beziehung zu analysieren oder sogar eine Vorhersage zu wagen, wenn die anderen Variablen bekannt sind. Dieses Buch untersucht Techniken der Dimensionsreduktion (Hauptkomponentenanalyse, Faktorenanalyse, Korrespondenzanalyse und multidimensionale Skalierung). Darüber hinaus befasst es sich mit der Diskriminanzanalyse und ihren Anwendungen zur Klassifizierung und Segmentierung.
