Apprentissage supervisé et non supervisé pour l'expression génétique
Versandkostenfrei!
Versandfertig in 6-10 Tagen
36,99 €
inkl. MwSt.
PAYBACK Punkte
18 °P sammeln!
Le regroupement d'attributs est l'une des applications d'exploration de données non supervisées qui ont été utilisées précédemment pour identifier la dépendance statistique entre des sous-ensembles de variables. Encore une fois, les techniques de regroupement sont importantes dans les méthodes d'exploration de données pour explorer la structure naturelle et identifier des modèles intéressants dans les données originales, et il est également prouvé qu'elles sont utiles pour trouver des échantillons co-exprimés. Dans cet ouvrage, la théorie des ensembles bruts (RST) a été uti...
Le regroupement d'attributs est l'une des applications d'exploration de données non supervisées qui ont été utilisées précédemment pour identifier la dépendance statistique entre des sous-ensembles de variables. Encore une fois, les techniques de regroupement sont importantes dans les méthodes d'exploration de données pour explorer la structure naturelle et identifier des modèles intéressants dans les données originales, et il est également prouvé qu'elles sont utiles pour trouver des échantillons co-exprimés. Dans cet ouvrage, la théorie des ensembles bruts (RST) a été utilisée pour le regroupement d'attributs. La théorie des ensembles bruts est une théorie adoptée pour traiter les connaissances brutes et incertaines, qui analyse les clusters et trouve les principes des données lorsque les connaissances précédentes ne sont pas disponibles. Dans ce contexte, après avoir mis en oeuvre la méthode de regroupement d'attributs basée sur les ensembles bruts sur un ensemble de données réelles, celles-ci sont classées en utilisant certaines des techniques de classification traditionnelles.
Andere Kunden interessierten sich für
