KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

Gültig bis 21.10.2026 | Gültig für nicht preisgebundene fremdsprachige Bücher | Einzelne Artikel können ausgeschlossen sein | Online auf thalia.de und in der Thalia App einlösbar | Click & Collect nur mit Online-Zahlung (Paypal/Kreditkarte) vorab | Nicht kombinierbar mit anderen Gutscheinen oder Preisaktionen | Nur einmal pro Einkauf einlösbar | Gutschein wird auf max. 500€ Bestellwert angerechnet | Keine Barauszahlung | Nicht gültig für Versandkosten und Services
Produktbild: Feature Selection for Knowledge Discovery and Data Mining
Band 454

Feature Selection for Knowledge Discovery and Data Mining

Aus der Reihe Springer International Series in Engineering and Computer

353,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

31.07.1998

Abbildungen

XXIII, 214 p.

Verlag

Springer Us

Seitenzahl

214

Maße (L/B/H)

24,1/16/1,8 cm

Gewicht

480 g

Auflage

1998

Sprache

Englisch

ISBN

978-0-7923-8198-3

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

31.07.1998

Abbildungen

XXIII, 214 p.

Verlag

Springer Us

Seitenzahl

214

Maße (L/B/H)

24,1/16/1,8 cm

Gewicht

480 g

Auflage

1998

Sprache

Englisch

ISBN

978-0-7923-8198-3

Herstelleradresse

Springer-Verlag GmbH
Europaplatz 3
69115 Heidelberg
DE

Email: ProductSafety@springernature.com

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten Sie dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Feature Selection for Knowledge Discovery and Data Mining
  • 1. Data Processing and KDD.- 1.1 Inductive Learning from Observation.- 1.2 Knowledge Discovery and Data Mining.- 1.3 Feature Selection and Its Roles in KDD.- 1.4 Summary.- References.- 2. Perspectives of Feature Selection.- 2.1 Feature Selection for Classification.- 2.2 A Search Problem.- 2.3 Selection Criteria.- 2.4 Univariate vs. Multivariate Feature Selection.- 2.5 Filter vs. Wrapper Models.- 2.6 A Unified View.- 2.7 Conclusion.- References.- 3. Aspects of Feature Selection.- 3.1 Overview.- 3.2 Basic Feature Generation Schemes.- 3.3 Search Strategies.- 3.4 Evaluation Measures With Examples.- 3.5 Conclusion.- References.- 4. Feature Selection Methods.- 4.1 Representative Feature Selection Algorithms.- 4.2 Employing Feature Selection Methods.- 4.3 Conclusion.- References.- 5. Evaluation and Application.- 5.1 Performance Assessment.- 5.2 Evaluation Methods for Classification.- 5.3 Evaluation of Selected Features.- 5.4 Evaluation: Some Examples.- 5.5 Balance between Different Performance Criteria.- 5.6 Applying Feature Selection Methods.- 5.7 Conclusions.- References.- 6. Feature Transformation and Dimensionality Reduction.- 6.1 Feature Extraction.- 6.2 Feature Construction.- 6.3 Feature Discretization.- 6.4 Beyond the Classification Model.- 6.5 Conclusions.- References.- 7. Less is More.- 7.1 A Look Back.- 7.2 A Glance Ahead.- References.- Appendices.- A-Data Mining and Knowledge Discovery Sources.- A.1 Web Site Links.- A.2 Electronic Newsletters, Pages and Journals.- A.3 Some Publically Available Tools.- B-Data Sets and Software Used in This Book.- B.1 Data Sets.- B.2 Software.- References.