KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb
  • Produktbild: Statistical Modeling and Machine Learning for Molecular Biology
  • Produktbild: Statistical Modeling and Machine Learning for Molecular Biology
- 35%

Statistical Modeling and Machine Learning for Molecular Biology

Aus der Reihe Chapman & Hall/CRC Computational Biology Series
35% sparen

69,99 € UVP 108,70 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

The book covers several of the major data analysis techniques used to analyze data from high-throughput molecular biology and genomics experiments. It also explains the major concepts behind most of the popular techniques and examines some of the simpler techniques in detail.

Beschreibung

The book covers several of the major data analysis techniques used to analyze data from high-throughput molecular biology and genomics experiments. It also explains the major concepts behind most of the popular techniques and examines some of the simpler techniques in detail.

Produktdetails

Einband

Taschenbuch
Erscheinungsdatum

15.12.2016
Abbildungen

50 SW-Abb.
Verlag Taylor & Francis

Produktdetails

Einband

Taschenbuch
Erscheinungsdatum

15.12.2016
Abbildungen

50 SW-Abb.
Verlag Taylor & Francis
Seitenzahl

282
Maße (L/B/H)

23,4/15,6/1,5 cm
Gewicht

433 g
Sprache

Englisch
ISBN

978-1-4822-5859-2
EU-Ansprechpartner

Taylor & Francis Verlag GmbH
Kaufingerstraße 24
80331 München
DE
GPSR@taylorandfrancis.com
Herstelleradresse

Taylor & Francis Group
5 Howick Place
SW1P 1WG London
UK
GPSR@taylorandfrancis.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
Die Leseprobe wird geladen.
  • Produktbild: Statistical Modeling and Machine Learning for Molecular Biology
  • Produktbild: Statistical Modeling and Machine Learning for Molecular Biology

  • Introduction. Statistical modeling. Statistics and probability. Multiple testing. Multivariate statistics and parameter estimation. Clustering. Distance-based. Gaussian mixture models. Simple linear regression. Multiple regression and generalized linear models. Regularization. Linear classification. Non-linear classification. Evaluating classifiers and ensemble methods. Correlated data in one dimension. Hidden-Markov models. Local regression.