Над 4 милиона заглавия на английски и други езици! Открийте новата си история още днес! Безплатна доставка за поръчки над 69.99€

Проверка на състоянието на поръчката

Станете част от общност от любители на книгите от цял свят и получавате много предимства. Създай на безплатен акаунт

Безплатна доставка със Еконт над 69.99 €

Куриер Speedy 3.49 € Пункт на Speedy 3.49 € ЕКОНТ 3.99 € Еконтомат/Офис на Еконт 3.99 € Ekont Box 3.99 € Sameday 3.99 € Sameday box 3.99 € Box Now 3.99 €

Контакт

Как се пазарува?

Помощ

Моят акаунт

▸ Празна :-(

Feature Selection for Data and Pattern Recognition

Lakhmi C. Jain

Urszula Stanczyk

Език

Английски език

Книга С меки корици

Код Либристо: 15201794

Издателство Springer-Verlag Berlin and Heidelberg GmbH & Co. KG, септември 2016

This research book provides the reader with a selection of high-quality texts dedicated to current p... Цялото описание

Код Либристо: 15201794

446 b

184.56 €

360.97 лв

Външен склад Изпращаме след 5-8 дни

30 дни за връщане на стоката

Клиентите са закупили също

Autonomisation de la femme mariee en matiere professionnelle Yves-Junior Manzanza Lumingu

С меки корици

36.97 € 72.31 лв

Los secretos de la vida: Breve historia de la biología Fernández Santarén

С меки корици

24.59 € 48.10 лв

Rodolins i endevinalles ESTEL BALDO

С меки корици

7.61 € 14.88 лв

Vint un chevalier Deveraux

С меки корици

11.85 € 23.18 лв

LECCIONES DE DERECHO ADMINISTRATIVO. 10ª ED. ESTEVE PARDO

С твърди корици

68.51 € 133.99 лв

This research book provides the reader with a selection of high-quality texts dedicated to current progress, new developments and research trends in feature selection for data and pattern recognition. Even though it has been the subject of interest for some time, feature selection remains one of actively pursued avenues of investigations due to its importance and bearing upon other problems and tasks. This volume points to a number of advances topically subdivided into four parts: estimation of importance of characteristic features, their relevance, dependencies, weighting and ranking; rough set approach to attribute reduction with focus on relative reducts; construction of rules and their evaluation; and data- and domain-oriented methodologies.