Compartir
Rilevamento di outlier utilizzando un nuovo approccio ibrido su dataset misti (en Italiano)
Navneet Kaur
(Autor)
·
Edizioni Sapienza
· Tapa Blanda
Rilevamento di outlier utilizzando un nuovo approccio ibrido su dataset misti (en Italiano) - Kaur, Navneet
$ 1,159.48
$ 1,932.46
Ahorras: $ 772.99
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 Listas
Origen: Estados Unidos
(Costos de importación incluídos en el precio)
Se enviará desde nuestra bodega entre el
Martes 16 de Julio y el
Miércoles 24 de Julio.
Lo recibirás en cualquier lugar de México entre 1 y 3 días hábiles luego del envío.
Reseña del libro "Rilevamento di outlier utilizzando un nuovo approccio ibrido su dataset misti (en Italiano)"
Il data mining è un processo di estrazione di informazioni nascoste e utili dai dati. L'individuazione degli outlier è una parte fondamentale del data mining e ha un'enorme attenzione da parte della comunità di ricerca di recente. Un outlier è un oggetto di dati che si discosta dalle altre osservazioni. Il rilevamento degli outlier ha importanti applicazioni nella pulizia dei dati così come nell'estrazione di punti anomali per il rilevamento delle frodi, l'analisi del mercato azionario, il rilevamento delle intrusioni, il marketing, i sensori di rete. La maggior parte degli sforzi di ricerca esistenti si concentrano su set di dati numerici che non sono direttamente applicabili su set di dati categorici dove c'è poco senso nell'ordinare i dati e calcolare le distanze tra i punti di dati. Inoltre, un certo numero di metodi attuali di rilevamento degli outlier richiedono un tempo quadratico rispetto alla dimensione del dataset e di solito hanno bisogno di scansioni multiple dei dati; queste caratteristiche sono indesiderabili quando i dataset sono grandi. Questa tesi mette a fuoco e valuta, sperimentalmente, un approccio di rilevamento degli outlier che è orientato verso set categorici. Inoltre, questo è un algoritmo semplice, scalabile ed efficiente per il rilevamento di outlier che ha il vantaggio di scoprire outlier in set di dati categorici o numerici per
- 0% (0)
- 0% (0)
- 0% (0)
- 0% (0)
- 0% (0)
Todos los libros de nuestro catálogo son Originales.
El libro está escrito en Italiano.
La encuadernación de esta edición es Tapa Blanda.
✓ Producto agregado correctamente al carro, Ir a Pagar.