Методы восстановления непараметрической регрессии в условиях несбалансированных данных. Монография

Здесь можно скачать "Методы восстановления непараметрической регрессии в условиях несбалансированных данных. Монография", год 2024 в формате fb2 полную версию бесплатно без регистрации и SMS, а также читать онлайн книгу на сайте ПараКниг (paraknig.me)

Год издания: 2024
Полная версия книги

Рейтинг

Содержание книги - Методы восстановления непараметрической регрессии в условиях несбалансированных данных. Монография Пылов Петр Андреевич, Дягилева Анна Владимировна, Майтак Роман Вячеславович, Салычева Анжелика Дмитриевна

Методы восстановления непараметрической регрессии в условиях несбалансированных данных. Монография - описание и краткое содержание, автор Пылов Петр Андреевич, Дягилева Анна Владимировна, Майтак Роман Вячеславович, Салычева Анжелика Дмитриевна, читайте бесплатно онлайн на сайте электронной библиотеки paraknig.me

Рассматривается регрессионный подход к решению предметно-прикладных задач на примере одной области данных. Читатели смогут повторить все операции над собственными датасетами, так как монография содержит в себе детальные расчеты и приложения, в которых представлен весь комплекс вычисленных промежуточных значений, требуемых для достижения поставленной цели.
Для специалистов в области искусственного интеллекта. Может быть полезно студентам, обучающимся по направлению подготовки "Искусственный интеллект".





Чтобы оставить свою оценку и/или комментарий, Вам нужно войти под своей учетной записью или зарегистрироваться


Пока никто не оставил впечатление о книге...


Пока никто не оставил цитат из этой книги...

Другие книги авторавсе книги
Асимптотический анализ поведения прикладных моделей машинного обучения
Алгоритмы Data Science и их практическая реализация на Python: учебное пособие
Математические и программные методы построения моделей глубокого обучения
Асимптотический анализ поведения прикладных моделей машинного обучения
Разработка интеллектуальных систем для обработки сигналов с датчиков давления
Основы работы с моделями машинного и глубокого обучения