Alberto Fernández, Salvador García, Mikel Galar, Ronaldo C. Prati, Bartosz Krawczyk, Francisco Herrera
Learning from Imbalanced Data Sets (eBook, PDF)
149,79 €
inkl. MwSt.
Sofort per Download lieferbar
0 °P sammeln
Alberto Fernández, Salvador García, Mikel Galar, Ronaldo C. Prati, Bartosz Krawczyk, Francisco Herrera
Learning from Imbalanced Data Sets (eBook, PDF)
- Format: PDF
- Merkliste
- Auf die Merkliste
- Bewerten Bewerten
- Teilen
- Produkt teilen
- Produkterinnerung
- Produkterinnerung
![](https://bilder.buecher.de/images/aktion/tolino/tolino-select-logo.png)
Bitte loggen Sie sich zunächst in Ihr Kundenkonto ein oder registrieren Sie sich bei
bücher.de, um das eBook-Abo tolino select nutzen zu können.
Hier können Sie sich einloggen
Hier können Sie sich einloggen
Sie sind bereits eingeloggt. Klicken Sie auf 2. tolino select Abo, um fortzufahren.
![](https://bilder.buecher.de/images/aktion/tolino/tolino-select-logo.png)
Bitte loggen Sie sich zunächst in Ihr Kundenkonto ein oder registrieren Sie sich bei bücher.de, um das eBook-Abo tolino select nutzen zu können.
- Geräte: PC
- ohne Kopierschutz
- eBook Hilfe
- Größe: 11.03MB
Andere Kunden interessierten sich auch für
- Verónica Bolón-CanedoFeature Selection for High-Dimensional Data (eBook, PDF)53,49 €
- Machine Learning for Data Science Handbook (eBook, PDF)255,73 €
- Handbook of Big Data Privacy (eBook, PDF)181,89 €
- Handbook of Big Data and IoT Security (eBook, PDF)181,89 €
- Francisco HerreraMultiple Instance Learning (eBook, PDF)96,29 €
- Handbook of Computer Networks and Cyber Security (eBook, PDF)213,99 €
- Scientific Data Mining and Knowledge Discovery (eBook, PDF)71,95 €
-
-
-
Produktdetails
- Produktdetails
- Verlag: Springer International Publishing
- Erscheinungstermin: 22. Oktober 2018
- Englisch
- ISBN-13: 9783319980744
- Artikelnr.: 54411080
- Verlag: Springer International Publishing
- Erscheinungstermin: 22. Oktober 2018
- Englisch
- ISBN-13: 9783319980744
- Artikelnr.: 54411080
1 Introduction to KDD and Data Science.- 2 Foundations on Imbalanced Classification.- 3 Performance measures.- 4 Cost-sensitive Learning.- 5 Data Level Preprocessing Methods.- 6 Algorithm-level Approaches.- 7 Ensemble Learning.- 8 Imbalanced Classification with Multiple Classes.- 9 Dimensionality Reduction for Imbalanced Learning.- 10 Data Intrinsic Characteristics.- 11 Learning from Imbalanced Data Streams.- 12 Non-Classical Imbalanced Classification Problems.- 13 Imbalanced Classification for Big Data.- 14 Software and Libraries for Imbalanced Classification.
1 Introduction to KDD and Data Science.- 2 Foundations on Imbalanced Classification.- 3 Performance measures.- 4 Cost-sensitive Learning.- 5 Data Level Preprocessing Methods.- 6 Algorithm-level Approaches.- 7 Ensemble Learning.- 8 Imbalanced Classification with Multiple Classes.- 9 Dimensionality Reduction for Imbalanced Learning.- 10 Data Intrinsic Characteristics.- 11 Learning from Imbalanced Data Streams.- 12 Non-Classical Imbalanced Classification Problems.- 13 Imbalanced Classification for Big Data.- 14 Software and Libraries for Imbalanced Classification.