База данных: База IPR
Беті 1, Нәтижелерін: 3
Отмеченные записи: 0
1.
Подробнее
153049
Методы интеллектуального анализа данных. Задача классификации : учебное пособие / Чудинова О. С. - Оренбург : Оренбургский государственный университет, ЭБС АСВ, 2024. - 167 с. - ISBN 978-5-7410-3284-8 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 22.19
Кл.слова (ненормированные):
анализ данных -- бинарная классификация -- задача классификации -- логистическая регрессия -- машинное обучение
Аннотация: В учебном пособии рассмотрены методы и алгоритмы решения одной из основных задач машинного обучения – классификации. Внимание сосредоточено на задаче бинарной классификации. Рассмотрены следующие методы классического машинного обучения: логистическая регрессия, метод опорных векторов, метод k ближайших соседей. Описаны реализующие их современные инструментальные средства: платформа KNIME, язык программирования Python. Учебное пособие предназначено для обучающихся по образовательной программе высшего образования по направлению подготовки 01.03.04 Прикладная математика.
Доп.точки доступа:
Чудинова, О. С.
Безбородникова, Р. М.
Корнейченко, Е. Н.
Раменская, А. В.
Туктамышева, Л. М.
Фот, Н. П.
Методы интеллектуального анализа данных. Задача классификации : учебное пособие / Чудинова О. С. - Оренбург : Оренбургский государственный университет, ЭБС АСВ, 2024. - 167 с. - ISBN 978-5-7410-3284-8 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
анализ данных -- бинарная классификация -- задача классификации -- логистическая регрессия -- машинное обучение
Аннотация: В учебном пособии рассмотрены методы и алгоритмы решения одной из основных задач машинного обучения – классификации. Внимание сосредоточено на задаче бинарной классификации. Рассмотрены следующие методы классического машинного обучения: логистическая регрессия, метод опорных векторов, метод k ближайших соседей. Описаны реализующие их современные инструментальные средства: платформа KNIME, язык программирования Python. Учебное пособие предназначено для обучающихся по образовательной программе высшего образования по направлению подготовки 01.03.04 Прикладная математика.
Доп.точки доступа:
Чудинова, О. С.
Безбородникова, Р. М.
Корнейченко, Е. Н.
Раменская, А. В.
Туктамышева, Л. М.
Фот, Н. П.
2.
Подробнее
87463
Дорофеев, В. А.
Основы регрессионного моделирования для психологов : учебное пособие / Дорофеев В. А. - Ростов-на-Дону, Таганрог : Издательство Южного федерального университета, 2018. - 129 с. - ISBN 978-5-9275-2549-2 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 88.4
Кл.слова (ненормированные):
логистическая регрессия -- множественная регрессия -- парная регрессия -- психология -- регрессионное моделирование -- регрессионный анализ -- статистические данные -- уравнение регрессии
Аннотация: Содержательно учебное пособие дополняет лекционно-практический курс «Математическая статистика и математические методы в психологии» и отражает попытку авторов представить учебный материал по регрессионному моделированию в психологии на основе синтеза методологических аспектов психологии, основ статистико-математических технологий регрессионного анализа и компьютерных технологий обработки эмпирических результатов. Предназначено для студентов и магистрантов психологических и психолого-педагогических специальностей.
Доп.точки доступа:
Мочалова, Ю. А.
Дорофеев, В. А.
Основы регрессионного моделирования для психологов : учебное пособие / Дорофеев В. А. - Ростов-на-Дону, Таганрог : Издательство Южного федерального университета, 2018. - 129 с. - ISBN 978-5-9275-2549-2 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
логистическая регрессия -- множественная регрессия -- парная регрессия -- психология -- регрессионное моделирование -- регрессионный анализ -- статистические данные -- уравнение регрессии
Аннотация: Содержательно учебное пособие дополняет лекционно-практический курс «Математическая статистика и математические методы в психологии» и отражает попытку авторов представить учебный материал по регрессионному моделированию в психологии на основе синтеза методологических аспектов психологии, основ статистико-математических технологий регрессионного анализа и компьютерных технологий обработки эмпирических результатов. Предназначено для студентов и магистрантов психологических и психолого-педагогических специальностей.
Доп.точки доступа:
Мочалова, Ю. А.
3.
Подробнее
45385
Цильковский, И. А.
Методы анализа знаний и данных : конспект лекций / Цильковский И. А. - Новосибирск : Новосибирский государственный технический университет, 2010. - 68 с. - ISBN 978-57782-1377-7 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 22.1
Кл.слова (ненормированные):
анализ данных -- анализ знаний -- дискриминантный анализ -- логистическая регрессия -- метод анализа
Аннотация: Приведен системный подход к определению типа и шкал переменных, произведена классификация методов по целям решаемых задач и типам используемых переменных. Рассмотрены различные подходы к решению задачи распознавания образов и классификации наблюдений. Среди них представлены как классические (дискриминантный анализ, логистическая регрессия, кластерный анализ), так и относящиеся к области Data Mining исследования данных (деревья решений и нейронные сети). Кроме того, изложены важные в практических приложениях методы факторного анализа, которые могут использоваться как для снижения размерности, так и для структуризации множества исходных переменных. Рассмотрены возможности прогнозирования для различных типов зависимой переменной с использованием целого спектра методов. Проведен их сравнительный анализ, рассмотрены особенности, указаны способы верификации качества полученных результатов.
Доп.точки доступа:
Волкова, В. М.
Цильковский, И. А.
Методы анализа знаний и данных : конспект лекций / Цильковский И. А. - Новосибирск : Новосибирский государственный технический университет, 2010. - 68 с. - ISBN 978-57782-1377-7 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
анализ данных -- анализ знаний -- дискриминантный анализ -- логистическая регрессия -- метод анализа
Аннотация: Приведен системный подход к определению типа и шкал переменных, произведена классификация методов по целям решаемых задач и типам используемых переменных. Рассмотрены различные подходы к решению задачи распознавания образов и классификации наблюдений. Среди них представлены как классические (дискриминантный анализ, логистическая регрессия, кластерный анализ), так и относящиеся к области Data Mining исследования данных (деревья решений и нейронные сети). Кроме того, изложены важные в практических приложениях методы факторного анализа, которые могут использоваться как для снижения размерности, так и для структуризации множества исходных переменных. Рассмотрены возможности прогнозирования для различных типов зависимой переменной с использованием целого спектра методов. Проведен их сравнительный анализ, рассмотрены особенности, указаны способы верификации качества полученных результатов.
Доп.точки доступа:
Волкова, В. М.
Беті 1, Нәтижелерін: 3