Techniken der Multivariaten Datenanalyse mit Python. Dimensionsreduktion, 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.

1147839503
Techniken der Multivariaten Datenanalyse mit Python. Dimensionsreduktion, 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.

9.99 In Stock
Techniken der Multivariaten Datenanalyse mit Python. Dimensionsreduktion, Klassifizierung und Segmentierung

Techniken der Multivariaten Datenanalyse mit Python. Dimensionsreduktion, Klassifizierung und Segmentierung

by César Pérez López
Techniken der Multivariaten Datenanalyse mit Python. Dimensionsreduktion, Klassifizierung und Segmentierung

Techniken der Multivariaten Datenanalyse mit Python. Dimensionsreduktion, 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 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.


Product Details

BN ID: 2940182068635
Publisher: Scientific Books
Publication date: 07/12/2025
Sold by: Draft2Digital
Format: eBook
File size: 13 MB
Note: This product may take a few minutes to download.
Language: German
From the B&N Reads Blog

Customer Reviews