SULJE VALIKKO

avaa valikko

David B. Skillicorn | Akateeminen Kirjakauppa

Haullasi löytyi yhteensä 7 tuotetta
Haluatko tarkentaa hakukriteerejä?



Understanding High-Dimensional Spaces
David B. Skillicorn
Springer-Verlag Berlin and Heidelberg GmbH & Co. KG (2012)
Pehmeäkantinen kirja
49,60
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Cybersecurity for Everyone
David B. Skillicorn
Taylor & Francis Ltd (2020)
Kovakantinen kirja
67,50
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Cybersecurity for Everyone
David B. Skillicorn
Taylor & Francis Ltd (2022)
Pehmeäkantinen kirja
27,80
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Proceedings of the Fourth Siam International Conference on Data Mining
Michael W. Berry; Dayal Umeshwar; Chandrika Kamath; David B. Skillicorn
Cambridge-Hitachi (1987)
Pehmeäkantinen kirja
224,30
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Open Source Intelligence and Cyber Crime : Social Media Analytics
Mohammad A. Tayebi (ed.); Uwe Glässer (ed.); David B. Skillicorn (ed.)
Springer (2020)
Kovakantinen kirja
107,50
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Open Source Intelligence and Cyber Crime : Social Media Analytics
Mohammad A. Tayebi (ed.); Uwe Glässer (ed.); David B. Skillicorn (ed.)
Springer (2021)
Pehmeäkantinen kirja
78,60
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Finding Communities in Social Networks Using Graph Embeddings
Mosab Alfaqeeh; David B. Skillicorn
Springer International Publishing AG (2024)
Kovakantinen kirja
138,50
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Understanding High-Dimensional Spaces
49,60 €
Springer-Verlag Berlin and Heidelberg GmbH & Co. KG
Sivumäärä: 108 sivua
Asu: Pehmeäkantinen kirja
Painos: 2012 ed.
Julkaisuvuosi: 2012, 27.09.2012 (lisätietoa)
Kieli: Englanti
Tuotesarja: SpringerBriefs in Computer Science
High-dimensional spaces arise as a way of modelling datasets with many attributes. Such a dataset can be directly represented in a space spanned by its attributes, with each record represented as a point in the space with its position depending on its attribute values. Such spaces are not easy to work with because of their high dimensionality: our intuition about space is not reliable, and measures such as distance do not provide as clear information as we might expect. 

There are three main areas where complex high dimensionality and large datasets arise naturally: data collected by online retailers, preference sites, and social media sites, and customer relationship databases, where there are large but sparse records available for each individual; data derived from text and speech, where the attributes are words and so the corresponding datasets are wide, and sparse; and data collected for security, defense, law enforcement, and intelligence purposes, where the datasets arelarge and wide. Such datasets are usually understood either by finding the set of clusters they contain or by looking for the outliers, but these strategies conceal subtleties that are often ignored. In this book the author suggests new ways of thinking about high-dimensional spaces using two models: a skeleton that relates the clusters to one another; and boundaries in the empty space between clusters that provide new perspectives on outliers and on outlying regions. 

The book will be of value to practitioners, graduate students and researchers.

Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
LISÄÄ OSTOSKORIIN
Tilaustuote | Arvioimme, että tuote lähetetään meiltä noin 4-5 viikossa | Tilaa jouluksi viimeistään 27.11.2024
Myymäläsaatavuus
Helsinki
Tapiola
Turku
Tampere
Understanding High-Dimensional Spaceszoom
Näytä kaikki tuotetiedot
ISBN:
9783642333972
Sisäänkirjautuminen
Kirjaudu sisään
Rekisteröityminen
Oma tili
Omat tiedot
Omat tilaukset
Omat laskut
Lisätietoja
Asiakaspalvelu
Tietoa verkkokaupasta
Toimitusehdot
Tietosuojaseloste