Ciencia de Datos a través de R. Aprendizaje no Supervisado. Reducción de la Dimensión: Componentes Principales, Análisis Factorial y Correspondencias (eBook, ePUB)
PAYBACK Punkte
0 °P sammeln!
Los algoritmos de Ciencia de Datos utilizan métodos computacionales para extraer información directamente de los datos. El aprendizaje automático utiliza dos tipos de técnicas: el aprendizaje supervisado, que entrena a un modelo con datos conocidos de entrada y salida para que pueda predecir resultados futuros, y el aprendizaje no supervisado, que encuentra patrones ocultos o estructuras intrínsecas en los datos de entrada. La mayoría de las técnicas de análisis no supervisado relativas a la reducción de la dimensión se desarrollan a lo largo de este libro desde un punto de vista met...
Los algoritmos de Ciencia de Datos utilizan métodos computacionales para extraer información directamente de los datos. El aprendizaje automático utiliza dos tipos de técnicas: el aprendizaje supervisado, que entrena a un modelo con datos conocidos de entrada y salida para que pueda predecir resultados futuros, y el aprendizaje no supervisado, que encuentra patrones ocultos o estructuras intrínsecas en los datos de entrada. La mayoría de las técnicas de análisis no supervisado relativas a la reducción de la dimensión se desarrollan a lo largo de este libro desde un punto de vista metodológico y desde un punto de vista práctico con aplicaciones a través del software R. Se profundiza en las siguientes técnicas: Análisis en componentes principales, Análisis factorial, Análisis de correspondencias simples y Análisis de correspondencias múltiples
Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, CY, CZ, D, DK, EW, E, FIN, F, GR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.
Andere Kunden interessierten sich für
