Vor Ort
Merkzettel Warenkorb
  • Produktbild: A Practical Approach to Microarray Data Analysis
  • Produktbild: A Practical Approach to Microarray Data Analysis

A Practical Approach to Microarray Data Analysis

48,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

19.03.2013

Abbildungen

XVI, 368 p.

Herausgeber

Daniel P. Berrar + weitere

Verlag

Springer Us

Seitenzahl

368

Maße (L/B/H)

23,5/15,5/2,1 cm

Gewicht

587 g

Auflage

Softcover reprint of the original 1st ed. 2003

Sprache

Englisch

ISBN

978-1-4757-7809-0

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

19.03.2013

Abbildungen

XVI, 368 p.

Herausgeber

Verlag

Springer Us

Seitenzahl

368

Maße (L/B/H)

23,5/15,5/2,1 cm

Gewicht

587 g

Auflage

Softcover reprint of the original 1st ed. 2003

Sprache

Englisch

ISBN

978-1-4757-7809-0

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

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: A Practical Approach to Microarray Data Analysis
  • Produktbild: A Practical Approach to Microarray Data Analysis
  • to Microarray Data Analysis.- Data Pre-Processing Issues in Microarray Analysis.- Missing Value Estimation.- Normalization.- Singular Value Decomposition and Principal Component Analysis.- Feature Selection in Microarray Analysis.- to Classification in Microarray Experiments.- Bayesian Network Classifiers for Gene Expression Analysis.- Classifying Microarray Data Using Support Vector Machines.- Weighted Flexible Compound Covariate Method for Classifying Microarray Data.- Classification of Expression Patterns Using Artificial Neural Networks.- Gene Selection and Sample Classification Using a Genetic Algorithm and k-Nearest Neighbor Method.- Clustering Genomic Expression Data: Design and Evaluation Principles.- Clustering or Automatic Class Discovery: Hierarchical Methods.- Discovering Genomic Expression Patterns with Self-Organizing Neural Networks.- Clustering or Automatic Class Discovery: Non-Hierarchical, non-SOM.- Correlation and Association Analysis.- Global Functional Profiling of Gene Expression Data.- Microarray Software Review.- Microarray Analysis as a Process.