KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb
  • Produktbild: Lectures on the Nearest Neighbor Method
  • Produktbild: Lectures on the Nearest Neighbor Method

Lectures on the Nearest Neighbor Method

Aus der Reihe Springer Series in the Data Sciences

138,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

21.03.2019

Abbildungen

IX, 290 p. 4 illus. in color.

Verlag

Springer

Seitenzahl

290

Maße (L/B/H)

23,5/15,5/1,7 cm

Gewicht

458 g

Auflage

Softcover reprint of the original 1st ed. 2015

Sprache

Englisch

ISBN

978-3-319-79782-3

Beschreibung

Rezension

“This book deals with different aspects regarding this approach, starting with the standard k-nearest neighbor model, and passing through the weighted k-nearest neighbor model, estimations for entropy, regression functions etc. … It is intended for a large audience, including students, teachers, and researchers.” (Florin Gorunescu, zbMATH 1330.68001, 2016)

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

21.03.2019

Abbildungen

IX, 290 p. 4 illus. in color.

Verlag

Springer

Seitenzahl

290

Maße (L/B/H)

23,5/15,5/1,7 cm

Gewicht

458 g

Auflage

Softcover reprint of the original 1st ed. 2015

Sprache

Englisch

ISBN

978-3-319-79782-3

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: Lectures on the Nearest Neighbor Method
  • Produktbild: Lectures on the Nearest Neighbor Method
  • Part I: Density Estimation.- Order Statistics and Nearest Neighbors.- The Expected Nearest Neighbor Distance.- The k -nearest Neighbor Density Estimate.- Uniform Consistency.- Weighted k -nearest neighbor density estimates.- Local Behavior.- Entropy Estimation.- Part II: Regression Estimation.- The Nearest Neighbor Regression Function Estimate.- The 1-nearest Neighbor Regression Function Estimate.- LP -consistency and Stone's Theorem.- Pointwise Consistency.- Uniform Consistency.- Advanced Properties of Uniform Order Statistics.- Rates of Convergence.- Regression: The Noisless Case.- The Choice of a Nearest Neighbor Estimate.- Part III: Supervised Classification.- Basics of Classification.- The 1-nearest Neighbor Classification Rule.- The Nearest Neighbor Classification Rule. Appendix.- Index.