Name: Verbesserung von Klassifikationsverfahren: Informationsgehalt der K-Nächsten-Nachbarn Nutzen (Bestmasters) (en Alemán)
SKU: 50874001
Price: 218.20 PEN
Availability: InStock
Author: Dominik Koch
ISBN: 9783658114756

portada Verbesserung von Klassifikationsverfahren: Informationsgehalt der K-Nächsten-Nachbarn Nutzen (Bestmasters) (en Alemán)

Verbesserung von Klassifikationsverfahren: Informationsgehalt der K-Nächsten-Nachbarn Nutzen (Bestmasters) (en Alemán)

Formato

Libro Físico

Editorial

Springer Spektrum

Autor

Dominik Koch

Año

2015

Idioma

Alemán

N° páginas

224

Encuadernación

Tapa Blanda

ISBN13

9783658114756

N° edición

Categorías

Probabilidad y estadística

Verbesserung von Klassifikationsverfahren: Informationsgehalt der K-Nächsten-Nachbarn Nutzen (Bestmasters) (en Alemán)

Dominik Koch (Autor) · Springer Spektrum · Tapa Blanda

Más barato Libro Nuevo Importado

Envío: 15 a 20 días háb.

S/ 484,89S/ 218,20

-55%

Más rápido Libro Nuevo Importado

Envío: 14 a 18 días háb.

S/ 678,21S/ 339,10

-50%

Costos de importación incluídos en el precio ✅

Libro Nuevo Más barato

Quedan más de 100 unidades

S/ 218,20

Llega entre el 23 Oct y el 02 Nov a CERCADO DE LIMA, Lima. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Verbesserung von Klassifikationsverfahren: Informationsgehalt der K-Nächsten-Nachbarn Nutzen (Bestmasters) (en Alemán)"

Dominik Koch weist in seinen Studien nach, dass es mit Hilfe der k-Nächsten-Nachbarn möglich ist, die Ergebnisse anderer Klassifikationsverfahren so zu verbessern, dass sie wieder eine Konkurrenz zu dem meist dominierenden Random Forest darstellen. Das von Fix und Hodges entwickelte k-Nächste–Nachbarn-Verfahren ist eines der simpelsten und zugleich intuitivsten Klassifikationsverfahren. Nichtsdestotrotz ist es in den meisten Fällen in der Lage, ziemlich gute Klassifikationsergebnisse zu liefern. Diesen Informationsgehalt der k-Nächsten-Nachbarn kann man sich zu Nutze machen, um bereits etablierte Verfahren zu verbessern. In diesem Buch werden die Auswirkungen der k-Nächsten-Nachbarn auf den Boosting-Ansatz, Lasso und Random Forest in Bezug auf binäre Klassifikationsprobleme behandelt.