دانلود کتاب Ensemble Methods in Data Mining: Improving Accuracy Through Combining Predictions (Synthesis Lectures on Data Mining and Knowledge Discovery) – روش‌های گروهی در داده کاوی: بهبود دقت از طریق ترکیب پیش‌بینی‌ها (سخنرانی ترکیبی در مورد داده کاوی و کشف دانش)

توضیحات

Ensemble methods have been called the most influential development in Data Mining and Machine Learning in the past decade. They combine multiple models into one usually more accurate than the best of its components. Ensembles can provide a critical boost to industrial challenges — from investment timing to drug discovery, and fraud detection to recommendation systems — where predictive accuracy is more vital than model interpretability. Ensembles are useful with all modeling algorithms, but this book focuses on decision trees to explain them most clearly. After describing trees and their strengths and weaknesses, the authors provide an overview of regularization — today understood to be a key reason for the superior performance of modern ensembling algorithms. The book continues with a clear description of two recent developments: Importance Sampling (IS) and Rule Ensembles (RE). IS reveals classic ensemble methods — bagging, random forests, and boosting — to be special cases of a single algorithm, thereby showing how to improve their accuracy and speed. REs are linear rule models derived from decision tree ensembles. They are the most interpretable version of ensembles, which is essential to applications such as credit scoring and fault diagnosis. Lastly, the authors explain the paradox of how ensembles achieve greater accuracy on new data despite their (apparently much greater) complexity.This book is aimed at novice and advanced analytic researchers and practitioners — especially in Engineering, Statistics, and Computer Science. Those with little exposure to ensembles will learn why and how to employ this breakthrough method, and advanced practitioners will gain insight into building even more powerful models. Throughout, snippets of code in R are provided to illustrate the algorithms described and to encourage the reader to try the techniques.

————————————————————–

ترجمه ماشینی :

روش‌های گروهی تأثیرگذارترین پیشرفت در داده‌کاوی و یادگیری ماشینی در دهه گذشته نامیده می‌شوند. آنها چندین مدل را در یک مدل معمولا دقیق تر از بهترین اجزای آن ترکیب می کنند. گروه‌ها می‌توانند تقویت حیاتی برای چالش‌های صنعتی فراهم کنند – از زمان‌بندی سرمایه‌گذاری تا کشف دارو، و کشف تقلب تا سیستم‌های توصیه‌سازی – که در آن دقت پیش‌بینی حیاتی‌تر از تفسیرپذیری مدل است. مجموعه‌ها با همه الگوریتم‌های مدل‌سازی مفید هستند، اما این کتاب روی درخت‌های تصمیم تمرکز دارد تا آنها را به وضوح توضیح دهد. پس از توصیف درختان و نقاط قوت و ضعف آنها، نویسندگان یک نمای کلی از منظم‌سازی ارائه می‌دهند – که امروزه دلیل اصلی عملکرد برتر الگوریتم‌های ترکیبی مدرن است. این کتاب با توصیف روشنی از دو پیشرفت اخیر ادامه می‌یابد: نمونه‌گیری مهم (IS) و گروه‌های قانون (RE). IS روش‌های مجموعه کلاسیک را نشان می‌دهد – کیسه‌بندی، جنگل‌های تصادفی، و تقویت – موارد خاصی از یک الگوریتم واحد هستند، بنابراین نشان می‌دهند که چگونه دقت و سرعت آنها را بهبود ببخشیم. REها مدل‌های قوانین خطی هستند که از مجموعه‌های درخت تصمیم به دست می‌آیند. آنها قابل تفسیرترین نسخه مجموعه ها هستند که برای برنامه هایی مانند امتیازدهی اعتبار و تشخیص خطا ضروری است. در نهایت، نویسندگان این پارادوکس را توضیح می‌دهند که چگونه گروه‌ها با وجود پیچیدگی (ظاهراً بسیار بیشتر) به دقت بیشتری در داده‌های جدید دست می‌یابند. هدف این کتاب محققان و متخصصان تحلیلی مبتدی و پیشرفته – به‌ویژه در مهندسی، آمار و علوم کامپیوتر است. کسانی که در معرض کمی از گروه‌ها قرار دارند، یاد خواهند گرفت که چرا و چگونه از این روش موفقیت‌آمیز استفاده کنند، و متخصصان پیشرفته بینشی در مورد ساخت مدل‌های قدرتمندتر به دست خواهند آورد. در سرتاسر، تکه‌هایی از کد در R ارائه می‌شود تا الگوریتم‌های توصیف‌شده را نشان دهد و خواننده را تشویق کند تا تکنیک‌ها را امتحان کند.

tag : دانلود کتاب روش‌های گروهی در داده کاوی: بهبود دقت از طریق ترکیب پیش‌بینی‌ها (سخنرانی ترکیبی در مورد داده کاوی و کشف دانش) , Download روش‌های گروهی در داده کاوی: بهبود دقت از طریق ترکیب پیش‌بینی‌ها (سخنرانی ترکیبی در مورد داده کاوی و کشف دانش) , دانلود روش‌های گروهی در داده کاوی: بهبود دقت از طریق ترکیب پیش‌بینی‌ها (سخنرانی ترکیبی در مورد داده کاوی و کشف دانش) , Download Ensemble Methods in Data Mining: Improving Accuracy Through Combining Predictions (Synthesis Lectures on Data Mining and Knowledge Discovery) Book , روش‌های گروهی در داده کاوی: بهبود دقت از طریق ترکیب پیش‌بینی‌ها (سخنرانی ترکیبی در مورد داده کاوی و کشف دانش) دانلود , buy روش‌های گروهی در داده کاوی: بهبود دقت از طریق ترکیب پیش‌بینی‌ها (سخنرانی ترکیبی در مورد داده کاوی و کشف دانش) , خرید کتاب روش‌های گروهی در داده کاوی: بهبود دقت از طریق ترکیب پیش‌بینی‌ها (سخنرانی ترکیبی در مورد داده کاوی و کشف دانش) , دانلود کتاب Ensemble Methods in Data Mining: Improving Accuracy Through Combining Predictions (Synthesis Lectures on Data Mining and Knowledge Discovery) , کتاب Ensemble Methods in Data Mining: Improving Accuracy Through Combining Predictions (Synthesis Lectures on Data Mining and Knowledge Discovery) , دانلود Ensemble Methods in Data Mining: Improving Accuracy Through Combining Predictions (Synthesis Lectures on Data Mining and Knowledge Discovery) , خرید Ensemble Methods in Data Mining: Improving Accuracy Through Combining Predictions (Synthesis Lectures on Data Mining and Knowledge Discovery) , خرید کتاب Ensemble Methods in Data Mining: Improving Accuracy Through Combining Predictions (Synthesis Lectures on Data Mining and Knowledge Discovery) ,