کامپیوترها

خوشه بندی برای داده کاوی: یک رویکرد بازیابی داده

Clustering for Data Mining: A Data Recovery Approach

دانلود کتاب Clustering for Data Mining: A Data Recovery Approach (به فارسی: خوشه بندی برای داده کاوی: یک رویکرد بازیابی داده) نوشته شده توسط «Boris Mirkin»


اطلاعات کتاب خوشه بندی برای داده کاوی: یک رویکرد بازیابی داده

موضوع اصلی: کامپیوترها

نوع: کتاب الکترونیکی

ناشر: Chapman and Hall/CRC

نویسنده: Boris Mirkin

زبان: English

فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2005

تعداد صفحه: 278

حجم کتاب: 5 مگابایت

کد کتاب: 1584885343 , 9781584885344

نوبت چاپ: 1

توضیحات کتاب خوشه بندی برای داده کاوی: یک رویکرد بازیابی داده

این کتاب مقدمه ای روان، با انگیزه و مثال غنی برای خوشه بندی ارائه می دهد که در بسیاری از جنبه ها نوآورانه است. پاسخ هایی به سؤالات مهمی که اگر اصلاً به آنها پرداخته شود، به ندرت مورد توجه قرار می گیرند، ارائه شده است. مثال ها: (الف) اگر کاربر باید چه کاری انجام دهد. هیچ ایده ای از تعداد خوشه ها و/یا مکان آنها وجود ندارد – از چیزی استفاده کنید که k-means هوشمند نامیده می شود؛ (ب) اگر داده ها دارای هر دو ویژگی عددی و دسته بندی باشند، چه کاری باید انجام شود – از آنچه که رویه استانداردسازی سه مرحله ای نامیده می شود استفاده کنید؛ (ج) چگونه برای گرفتن الگوهای غیرعادی، (د) نحوه اعتبارسنجی خوشه ها، و غیره. برخی از اینها ممکن است در معرض انتقاد قرار گیرند، با این حال برخی انگیزه ها همیشه ارائه می شود، و نتایج همیشه قابل تکرار هستند، بنابراین قابل آزمایش هستند. این کتاب تعدادی از کمک های تفسیر خوشه ای غیر متعارف را معرفی می کند. برگرفته از یک دیدگاه هندسه داده پذیرفته شده توسط نویسنده و بر اساس آنچه اشاره شده است، اوزان سهم – اساساً عناصری از ساختارهای خوشه ای را نشان می دهد که خوشه ها را از بقیه متمایز می کند. به نظر می‌رسد که این وزن‌های کمکی، که بر داده‌های طبقه‌بندی‌شده اعمال می‌شوند، با آنچه آماردانانی مانند A. Quetelet و K. Pearson در چند قرن گذشته توسعه می‌دادند، بسیار سازگار است، که توسعه‌ای بسیار بدیع و خوشایند است. این کتاب مجموعه‌ای غنی از رویکردهای انباشته شده در حوزه‌های داغی مانند متن کاوی و بیوانفورماتیک را مرور می‌کند و نشان می‌دهد که خوشه‌بندی فقط مجموعه‌ای از روش‌های ساده برای پردازش داده نیست، بلکه حوزه‌ای در حال تکامل از علم داده را تشکیل می‌دهد. من این کتاب را به عنوان متنی برای خود انتخاب کردم. دوره های داده کاوی برای مقاطع کارشناسی و کارشناسی ارشد.


This book gives a smooth, motivated and example-richintroduction to clustering, which is innovative in many aspects.Answers to important questions that are very rarely addressed if addressed at all, are provided.Examples:(a) what to do if the user has no idea of the numberof clusters and/or their location – use what is called intelligent k-means;(b) what to do if the data contain both numeric and categoricalfeatures – use what is called three-step standardization procedure;(c) how to catch anomalous patterns, (d) how to validate clusters, etc.Some of these may be subject to criticism, however some motivation is alwayssupplied, and the results are always reproducible thus testable.The book introduces a numberof non-conventional cluster interpretation aids derived from a datageometry view accepted by the author and based on what is referredthe contribution weights – basically showing those elements of clusterstructures that distinguish clusters from the rest. These contributionweights, applied to categorical data, appear to be highly compatiblewith what statisticians such as A. Quetelet and K. Pearson were developingin the past couple of centuries, which is a highly original and welcomedevelopment. The book reviews a rich set of approaches being accumulatedin such hot areas as text mining and bioinformatics, and shows thatclustering is not just a set of naive methods for data processing butforms an evolving area of data science.I adopted the book as a text for my courses in data mining for bachelorand master degrees.

دانلود کتاب «خوشه بندی برای داده کاوی: یک رویکرد بازیابی داده»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.