Andere Kunden interessierten sich auch für
![Datenqualität mit SPSS]( "Datenqualität mit SPSS")
Datenqualität mit SPSS59,95 €![EINFÜHRUNG IN DIE STATISTIK FÜR EINSTEIGER]( "EINFÜHRUNG IN DIE STATISTIK FÜR EINSTEIGER")
EINFÜHRUNG IN DIE STATISTIK FÜR EINSTEIGER48,60 €![Grundlagen der Wahrscheinlichkeitsrechnung. Theorie und gelöste Probleme]( "Grundlagen der Wahrscheinlichkeitsrechnung. Theorie und gelöste Probleme")
Grundlagen der Wahrscheinlichkeitsrechnung. Theorie und gelöste Probleme39,90 €![Faktoren, die die Bestimmung der Stichprobengröße beeinflussen]( "Faktoren, die die Bestimmung der Stichprobengröße beeinflussen")
Faktoren, die die Bestimmung der Stichprobengröße beeinflussen48,60 €![Schritt-für-Schritt-Übungen zur Deskriptiven Statistik]( "Schritt-für-Schritt-Übungen zur Deskriptiven Statistik")
Schritt-für-Schritt-Übungen zur Deskriptiven Statistik43,90 €![Methoden der mathematischen Programmierung zur Lösung von MCDA-Problemen]( "Methoden der mathematischen Programmierung zur Lösung von MCDA-Problemen")
Methoden der mathematischen Programmierung zur Lösung von MCDA-Problemen49,90 €![Statistische Analyse von Zeitreihen - Kointegrations- und VECM-Modelle]( "Statistische Analyse von Zeitreihen - Kointegrations- und VECM-Modelle")
Statistische Analyse von Zeitreihen - Kointegrations- und VECM-Modelle84,90 €
Das Hauptziel dieses Buches ist die Entwicklung und Erörterung des Problems der Ausreißer-Management-Technik, in Verbindung mit dem Klassifikator, wird verwendet, um das bekannte Problem der automatischen Klassifizierung von Chromosomen in ihre biologischen Klassifikationen. Klinische Datenbanken haben enorme Mengen an Daten über Personen und ihre medizinischen Probleme angehäuft. Die Erkennung von Ausreißern ist eine wichtige Voraussetzung für Data Mining und maschinelles Lernen. Wenn Data-Mining- und maschinelle Lernalgorithmen auf Datensätze angewendet werden, die Ausreißer enthalten, werden falsche Schlüsse über die Daten gezogen. Ziel dieser Forschungsarbeit ist die Anwendung von Data-Mining-Methoden zur Entdeckung von Verbindungen innerhalb einer großen klinischen Datenbank. Die in diesem Datensatz entdeckten Zusammenhänge und Trends können zur Entdeckung neuer medizinischer Erkenntnisse führen.