نام کتاب: Sufficient Dimension Reduction – Methods And Applications With R
نویسنده: Li و Bing
ویرایش: ۱
سال انتشار: ۲۰۱۸
کد ISBN کتاب: ۹۷۸۱۳۱۵۱۱۹۴۲۷, ۱۳۱۵۱۱۹۴۲۰, ۹۷۸۱۳۵۱۶۴۵۷۳۷, ۱۳۵۱۶۴۵۷۳۰, ۹۷۸۱۴۹۸۷۰۴۴۷۲, ۱۴۹۸۷۰۴۴۷۶,
فرمت: PDF
تعداد صفحه: ۳۰۷
حجم کتاب: ۴۲ مگابایت
کیفیت کتاب: OCR
انتشارات: CRC Press
Description About Book Sufficient Dimension Reduction – Methods And Applications With R From Amazon
Sufficient dimension reduction is a rapidly developing research field that has wide applications in regression diagnostics, data visualization, machine learning, genomics, image processing, pattern recognition, and medicine, because they are fields that produce large datasets with a large number of variables. Sufficient Dimension Reduction: Methods and Applications with Rintroduces the basic theories and the main methodologies, provides practical and easy-to-use algorithms and computer codes to implement these methodologies, and surveys the recent advances at the frontiers of this field. Features Provides comprehensive coverage of this emerging research field. Synthesizes a wide variety of dimension reduction methods under a few unifying principles such as projection in Hilbert spaces, kernel mapping, and von Mises expansion. Reflects most recent advances such as nonlinear sufficient dimension reduction, dimension folding for tensorial data, as well as sufficient dimension reduction for functional data. Includes a set of computer codes written in R that are easily implemented by the readers. Uses real data sets available online to illustrate the usage and power of the described methods. Sufficient dimension reduction has undergone momentous development in recent years, partly due to the increased demands for techniques to process high-dimensional data, a hallmark of our age of Big Data. This book will serve as the perfect entry into the field for the beginning researchers or a handy reference for the advanced ones.–Provided by انتشارات. Read more…
Abstract: Sufficient dimension reduction is a rapidly developing research field that has wide applications in regression diagnostics, data visualization, machine learning, genomics, image processing, pattern recognition, and medicine, because they are fields that produce large datasets with a large number of variables. Sufficient Dimension Reduction: Methods and Applications with Rintroduces the basic theories and the main methodologies, provides practical and easy-to-use algorithms and computer codes to implement these methodologies, and surveys the recent advances at the frontiers of this field. Features Provides comprehensive coverage of this emerging research field. Synthesizes a wide variety of dimension reduction methods under a few unifying principles such as projection in Hilbert spaces, kernel mapping, and von Mises expansion. Reflects most recent advances such as nonlinear sufficient dimension reduction, dimension folding for tensorial data, as well as sufficient dimension reduction for functional data. Includes a set of computer codes written in R that are easily implemented by the readers. Uses real data sets available online to illustrate the usage and power of the described methods. Sufficient dimension reduction has undergone momentous development in recent years, partly due to the increased demands for techniques to process high-dimensional data, a hallmark of our age of Big Data. This book will serve as the perfect entry into the field for the beginning researchers or a handy reference for the advanced ones.–Provided by انتشارات
درباره کتاب Sufficient Dimension Reduction – Methods And Applications With R ترجمه شده از گوگل
کاهش اندازه کافی یک زمینه تحقیقاتی است که به سرعت در حال توسعه است و دارای کاربردهای گسترده ای در تشخیص رگرسیون ، تجسم داده ها ، یادگیری ماشین ، ژنومیک ، پردازش تصویر ، تشخیص الگو و پزشکی است ، زیرا آنها زمینه هایی هستند که مجموعه داده های زیادی با تعداد زیادی متغیر تولید می کنند. کاهش اندازه کافی: روش ها و برنامه های کاربردی با استفاده از Rint تئوری های اصلی و روش های اصلی را ارائه می دهد ، الگوریتم های کاربردی و آسان برای استفاده و کدهای رایانه ای را برای پیاده سازی این روش ها فراهم می کند و پیشرفت های اخیر در مرزهای این زمینه را بررسی می کند. ویژگی ها پوشش جامع این زمینه تحقیقاتی نوظهور را فراهم می کند. طیف گسترده ای از روش های کاهش ابعاد را تحت چند اصل یکپارچه مانند فرافکنی در فضاهای هیلبرت ، نقشه برداری هسته و گسترش فون میزس سنتز می کند. منعکس کننده پیشرفتهای اخیر مانند کاهش ابعاد کافی غیرخطی ، جمع شدن ابعاد برای دادههای تنشی ، و همچنین کاهش ابعاد کافی برای دادههای عملکردی است. شامل مجموعه ای از کدهای رایانه ای است که با R نوشته شده اند و توسط خوانندگان به راحتی قابل اجرا هستند. از مجموعه داده های واقعی موجود بصورت آنلاین برای نشان دادن کاربرد و قدرت روش های توصیف شده استفاده می کند. کاهش ابعاد کافی در سالهای اخیر دستخوش پیشرفت چشمگیری شده است ، بخشی از آن به دلیل افزایش تقاضا برای تکنیک های پردازش داده های با ابعاد بالا است ، که یکی از ویژگی های بارز عصر ما در داده های بزرگ است. این کتاب به عنوان ورود کامل به این زمینه برای محققان ابتدایی یا مرجعی مفید برای افراد پیشرفته عمل می کند. – تهیه شده توسط ناشر. ادامه مطلب …
چکیده: کاهش ابعاد کافی یک زمینه تحقیقاتی است که به سرعت در حال توسعه است و دارای کاربردهای گسترده ای در تشخیص رگرسیون ، تجسم داده ها ، یادگیری ماشین ، ژنومیک ، پردازش تصویر ، تشخیص الگو و پزشکی است ، زیرا آنها زمینه هایی هستند که مجموعه داده های زیادی با تعداد زیادی متغیر تولید می کنند . کاهش اندازه کافی: روش ها و برنامه های کاربردی با استفاده از Rint تئوری های اصلی و روش های اصلی را ارائه می دهد ، الگوریتم های کاربردی و آسان برای استفاده و کدهای رایانه ای را برای پیاده سازی این روش ها فراهم می کند و پیشرفت های اخیر در مرزهای این زمینه را بررسی می کند. ویژگی ها پوشش جامع این زمینه تحقیقاتی نوظهور را فراهم می کند. طیف گسترده ای از روش های کاهش ابعاد را تحت چند اصل یکپارچه مانند فرافکنی در فضاهای هیلبرت ، نقشه برداری هسته و گسترش فون میزس سنتز می کند. منعکس کننده پیشرفتهای اخیر مانند کاهش ابعاد کافی غیرخطی ، جمع شدن ابعاد برای دادههای تنشی ، و همچنین کاهش ابعاد کافی برای دادههای عملکردی است. شامل مجموعه ای از کدهای رایانه ای است که با R نوشته شده اند و توسط خوانندگان به راحتی قابل اجرا هستند. از مجموعه داده های واقعی موجود بصورت آنلاین برای نشان دادن کاربرد و قدرت روش های توصیف شده استفاده می کند. کاهش ابعاد کافی در سالهای اخیر دستخوش پیشرفت چشمگیری شده است ، بخشی از آن به دلیل افزایش تقاضا برای تکنیک های پردازش داده های با ابعاد بالا است ، که یکی از ویژگی های بارز عصر ما در داده های بزرگ است. این کتاب به عنوان ورود کامل به این زمینه برای محققان ابتدایی یا مرجعی مفید برای افراد پیشرفته عمل می کند. – تهیه شده توسط ناشر
[box type=”info”]
جهت دسترسی به توضیحات این کتاب در Amazon اینجا کلیک کنید.
در صورت خراب بودن لینک کتاب، در قسمت نظرات همین مطلب گزارش دهید.