Different Subspace Classification - Szepannek, Gero
49,00 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in über 4 Wochen
  • Broschiertes Buch

Inhaltlich unveränderte Neuauflage. In den letzten Jahren stellen sich Auswertungsaufgaben zunehmend größerer Mengen an Daten in zahlreichen Anwendungsfeldern - wie dem CRM oder der Microarray Analyse - häufig mit hunderten von Merkmalen. Dabei gilt es oft, gute Vorhersageergebnisse mit einer größtmöglichen Verständlichkeit zu verbinden, um die Ergebnisse auch den Anwendern überzeugend vermitteln zu können. Different Subspace Classification stellt eine Methodik zur Charakterisierung von Klassen auf Basis von klassenweise spezifischen Merkmalsuntermengen dar sowie deren Nutzung zur…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Inhaltlich unveränderte Neuauflage. In den letzten Jahren stellen sich Auswertungsaufgaben zunehmend größerer Mengen an Daten in zahlreichen Anwendungsfeldern - wie dem CRM oder der Microarray Analyse - häufig mit hunderten von Merkmalen. Dabei gilt es oft, gute Vorhersageergebnisse mit einer größtmöglichen Verständlichkeit zu verbinden, um die Ergebnisse auch den Anwendern überzeugend vermitteln zu können. Different Subspace Classification stellt eine Methodik zur Charakterisierung von Klassen auf Basis von klassenweise spezifischen Merkmalsuntermengen dar sowie deren Nutzung zur automatischen Klassifikation. Ergänzt wird die entwickelte Methodik um neuere Arbeiten zur Minimal Subspace Classification sowie einen Ansatz der Integration von Algorithmen des Subspace Custering. Zahlreiche Bespiele illustrieren den Nutzen unterschiedlicher Analyseansätze und sollen den Leser für den Umgang mit hochdimensionalen Daten sensibilisieren. Insbesondere erfolgt die ausführliche Behandelung eines Beispiels aus dem Gebiet der Ökonometrie: die Klassifikation von Konjunkturzyklen der BRD. Dieses Buch richtet sich insbesondere an Leser mit praktischen Erfahrungen in der Analyse von Daten und komplexen Zusammenhängen.
Autorenporträt
Dipl.-Stat.: Studium der Statistik mit Schwerpunkt Ökonometrie/Marketing an der TU Dortmund, Wiss. Ang. am Lehrstuhl für Computergestützte Statistik der Fakultät Statistik/ TU Dortmund.