Andere Kunden interessierten sich auch für
![L'analyse des données dans le profilage de l'expression génétique]( "L'analyse des données dans le profilage de l'expression génétique")
L'analyse des données dans le profilage de l'expression génétique39,99 €![Clustering semi-supervisé et apprentissage actif]( "Clustering semi-supervisé et apprentissage actif")
Clustering semi-supervisé et apprentissage actif44,99 €![Exploration des données et apprentissage automatique à l'aide de R]( "Exploration des données et apprentissage automatique à l'aide de R")
Exploration des données et apprentissage automatique à l'aide de R30,99 €![Apprentissage automatique]( "Apprentissage automatique")
Apprentissage automatique29,99 €![Apprentissage automatique pour la reconnaissance des émotions et des visages]( "Apprentissage automatique pour la reconnaissance des émotions et des visages")
Apprentissage automatique pour la reconnaissance des émotions et des visages57,99 €![Apprentissage automatique pour l'identification du groupe optimal dans les images IRM]( "Apprentissage automatique pour l'identification du groupe optimal dans les images IRM")
Apprentissage automatique pour l'identification du groupe optimal dans les images IRM26,99 €![Exercices pratiques sur les logiciels pour l'autonomisation de l'auto-apprentissage]( "Exercices pratiques sur les logiciels pour l'autonomisation de l'auto-apprentissage")
Exercices pratiques sur les logiciels pour l'autonomisation de l'auto-apprentissage29,99 €
Le regroupement d'attributs est l'une des applications d'exploration de données non supervisées qui ont été utilisées précédemment pour identifier la dépendance statistique entre des sous-ensembles de variables. Encore une fois, les techniques de regroupement sont importantes dans les méthodes d'exploration de données pour explorer la structure naturelle et identifier des modèles intéressants dans les données originales, et il est également prouvé qu'elles sont utiles pour trouver des échantillons co-exprimés. Dans cet ouvrage, la théorie des ensembles bruts (RST) a été utilisée pour le regroupement d'attributs. La théorie des ensembles bruts est une théorie adoptée pour traiter les connaissances brutes et incertaines, qui analyse les clusters et trouve les principes des données lorsque les connaissances précédentes ne sont pas disponibles. Dans ce contexte, après avoir mis en oeuvre la méthode de regroupement d'attributs basée sur les ensembles bruts sur un ensemble de données réelles, celles-ci sont classées en utilisant certaines des techniques de classification traditionnelles.