Compartir
Verbesserung von Klassifikationsverfahren: Informationsgehalt der K-Nächsten-Nachbarn Nutzen (Bestmasters) (en Alemán)
Dominik Koch (Autor)
·
Springer Spektrum
· Tapa Blanda
Verbesserung von Klassifikationsverfahren: Informationsgehalt der K-Nächsten-Nachbarn Nutzen (Bestmasters) (en Alemán) - Dominik Koch
$ 66.31
$ 69.99
Ahorras: $ 3.68
Elige la lista en la que quieres agregar tu producto o crea una nueva lista
✓ Producto agregado correctamente a la lista de deseos.
Ir a Mis ListasSe enviará desde nuestra bodega entre el
Viernes 07 de Junio y el
Lunes 10 de Junio.
Lo recibirás en cualquier lugar de Estados Unidos entre 1 y 3 días hábiles luego del envío.
Reseña del libro "Verbesserung von Klassifikationsverfahren: Informationsgehalt der K-Nächsten-Nachbarn Nutzen (Bestmasters) (en Alemán)"
Dominik Koch weist in seinen Studien nach, dass es mit Hilfe der k-Nächsten-Nachbarn möglich ist, die Ergebnisse anderer Klassifikationsverfahren so zu verbessern, dass sie wieder eine Konkurrenz zu dem meist dominierenden Random Forest darstellen. Das von Fix und Hodges entwickelte k-Nächste–Nachbarn-Verfahren ist eines der simpelsten und zugleich intuitivsten Klassifikationsverfahren. Nichtsdestotrotz ist es in den meisten Fällen in der Lage, ziemlich gute Klassifikationsergebnisse zu liefern. Diesen Informationsgehalt der k-Nächsten-Nachbarn kann man sich zu Nutze machen, um bereits etablierte Verfahren zu verbessern. In diesem Buch werden die Auswirkungen der k-Nächsten-Nachbarn auf den Boosting-Ansatz, Lasso und Random Forest in Bezug auf binäre Klassifikationsprobleme behandelt.
- 0% (0)
- 0% (0)
- 0% (0)
- 0% (0)
- 0% (0)
Todos los libros de nuestro catálogo son Originales.
El libro está escrito en Alemán.
La encuadernación de esta edición es Tapa Blanda.
✓ Producto agregado correctamente al carro, Ir a Pagar.