Name: Analisi della classificazione per dati sbilanciati (en Italiano)
Price: 162826.00 COP
Availability: InStock
Author: Rajput, Dharmendra Singh ; Sinduja, S.
ISBN: 9786206345459

portada Analisi della classificazione per dati sbilanciati (en Italiano)

Formato

Libro Físico

Autor

Dharmendra Singh Rajput

S. Sinduja

Editorial

Edizioni Sapienza

Idioma

Italiano

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.4 cm

Peso

0.11 kg.

ISBN13

9786206345459

Categorías

Gestión empresarial

Analisi della classificazione per dati sbilanciati (en Italiano)

Dharmendra Singh Rajput (Autor) · S. Sinduja (Autor) · Edizioni Sapienza · Tapa Blanda

Libro Nuevo

$ 162.826

$ 325.652

Ahorras: $ 162.826

50% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Lunes 22 de Julio y el Miércoles 31 de Julio.

Lo recibirás en cualquier lugar de Colombia entre 1 y 5 días hábiles luego del envío.

Reseña del libro "Analisi della classificazione per dati sbilanciati (en Italiano)"

Un'enorme quantità di dati viene raccolta e archiviata nei database di tutto il mondo. Questi dati si accumulano e continuano ad aumentare ogni anno. Estrarre le informazioni nascoste in questi database e classificare le informazioni estratte sono i compiti più importanti del data mining. Se questi insiemi di dati sono sbilanciati, diventa difficile gestirli. La previsione del futuro è uno dei compiti fondamentali del data mining. Lavorare con insiemi di dati sbilanciati per prevedere i possibili risultati è un compito molto noioso. Un set di dati è sbilanciato quando non viene classificato correttamente, quando una classe contiene più istanze di altre. Spesso vengono rappresentate come una classe positiva (minoranza) e una negativa (maggioranza). La classe che ha un numero minore di campioni è chiamata classe minoritaria, mentre quella che ne ha di più è chiamata classe maggioritaria. I dataset sbilanciati causano molti problemi seri nel data mining, per lo più l'algoritmo di classificazione standard considera il dataset come bilanciato, che a sua volta è parziale verso la classe maggioritaria. Per applicazioni come la diagnosi medica, ciò provoca effetti molto gravi. Il bilanciamento del set di dati è quindi fondamentale per molte applicazioni in tempo reale.