Fortgeschrittene Techniken für die Multivariate Datenanalyse mit Python. Vorhersagemodelle für Klassifizierung und Segmentierung

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.

1147839497
Fortgeschrittene Techniken für die Multivariate Datenanalyse mit Python. Vorhersagemodelle für Klassifizierung und Segmentierung

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.

9.99 In Stock
Fortgeschrittene Techniken für die Multivariate Datenanalyse mit Python. Vorhersagemodelle für Klassifizierung und Segmentierung

Fortgeschrittene Techniken für die Multivariate Datenanalyse mit Python. Vorhersagemodelle für Klassifizierung und Segmentierung

by César Pérez López
Fortgeschrittene Techniken für die Multivariate Datenanalyse mit Python. Vorhersagemodelle für Klassifizierung und Segmentierung

Fortgeschrittene Techniken für die Multivariate Datenanalyse mit Python. Vorhersagemodelle für Klassifizierung und Segmentierung

by César Pérez López

eBook

$9.99 

Available on Compatible NOOK devices, the free NOOK App and in My Digital Library.
WANT A NOOK?  Explore Now

Related collections and offers

LEND ME® See Details

Overview

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.


Product Details

BN ID: 2940182030601
Publisher: Scientific Books
Publication date: 07/08/2025
Sold by: Draft2Digital
Format: eBook
File size: 21 MB
Note: This product may take a few minutes to download.
Language: German
From the B&N Reads Blog

Customer Reviews