توضیحات
اثر تخصصی Assessing and Improving Prediction and Classification به بررسی روشهای دقیق ارزیابی کیفیت مدلهای پیشبینی و طبقهبندی در دنیای واقعی میپردازد. نویسنده با ارائه الگوریتمهای پیشرفته، راهکارهایی را برای بهبود عملکرد مدلها از طریق تکنیکهایی مانند تصمیمگیریهای مبتنی بر کمیته (Committee-based) و تقویت (Boosting) ارائه میدهد.
کتاب با تکیه بر تئوری اطلاعات، به مخاطب میآموزد که چگونه متغیرهای زائد را شناسایی کرده و مدلهایی مقاوم و قابل اطمینان بسازد. تمامی الگوریتمهای ارائه شده در کتاب با کدهای ++C همراه هستند، اما مفاهیم به قدری دقیق توضیح داده شدهاند که برنامهنویسان در هر زبان دیگری نیز میتوانند از آنها بهرهمند شوند.
ویژگی های کتاب
- استفاده از تئوری اطلاعات برای غربالگری سریع متغیرهای پیشبینیکننده.
- آموزش روشهای مونتکارلو برای ارزیابی نقش شانس در نتایج به دست آمده.
- ارائه راهکارهای عملی برای محاسبه فواصل اطمینان و سطوح دقت در تصمیمگیریها.
- بررسی روشهای ترکیب چندین مدل برای دستیابی به دقت بالاتر در طبقهبندی.
- تمرکز بر کاربرد عملی الگوریتمها به جای صرفاً تئوریهای انتزاعی.
مشخصات کتاب
- ناشر: Apress
- مدرس / نویسنده: Timothy Masters
- تعداد صفحات: 530
- تعداد فصل ها: 9
- فرمت: PDF
سرفصلها Assessing and Improving Prediction and Classification

تصاویر

راهنمای استفاده
فایل را اکسترکت و با نرم افزار مناسب اجرا کنید.
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
4.2 مگابایت












































