Principles and Theory for Data Mining and Machine Learning

This book is a thorough introduction to the most important topics in data mining and machine learning. It begins with a detailed review of classical function estimation and proceeds with chapters on nonlinear regression, classification, and ensemble methods. The final chapters focus on clustering, d...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριοι συγγραφείς: Clarke, Bertrand (Συγγραφέας), Fokoue, Ernest (Συγγραφέας), Zhang, Hao Helen (Συγγραφέας)
Συγγραφή απο Οργανισμό/Αρχή: SpringerLink (Online service)
Μορφή: Ηλεκτρονική πηγή Ηλ. βιβλίο
Γλώσσα:English
Έκδοση: New York, NY : Springer New York, 2009.
Σειρά:Springer Series in Statistics,
Θέματα:
Διαθέσιμο Online:Full Text via HEAL-Link
Πίνακας περιεχομένων:
  • Variability, Information, and Prediction
  • Local Smoothers
  • Spline Smoothing
  • New Wave Nonparametrics
  • Supervised Learning: Partition Methods
  • Alternative Nonparametrics
  • Computational Comparisons
  • Unsupervised Learning: Clustering
  • Learning in High Dimensions
  • Variable Selection
  • Multiple Testing.