وضعیت موجودی موجود
Product details
- Publisher : Springer; Softcover reprint of the original 2nd ed. 2017 edition (May 4, 2018)
- Language : English
- Paperback : 488 pages
- ISBN-10 : 3319837729
- ISBN-13 : 978-3319837727
کتاب Outlier Analysis
This book provides comprehensive coverage of the field of outlier analysis from a computer science point of view. It integrates methods from data mining, machine learning, and statistics within the computational framework and therefore appeals to multiple communities. The chapters of this book can be organized into three categories:
The second edition of this book is more detailed and is written to appeal to both researchers and practitioners. Significant new material has been added on topics such as kernel methods, one-class support-vector machines, matrix factorization, neural networks, outlier ensembles, time-series methods, and subspace methods. It is written as a textbook and can be used for classroom teaching.
- Basic algorithms: Chapters 1 through 7 discuss the fundamental algorithms for outlier analysis, including probabilistic and statistical methods, linear methods, proximity-based methods, high-dimensional (subspace) methods, ensemble methods, and supervised methods.
- Domain-specific methods: Chapters 8 through 12 discuss outlier detection algorithms for various domains of data, such as text, categorical data, time-series data, discrete sequence data, spatial data, and network data.
- Applications: Chapter 13 is devoted to various applications of outlier analysis. Some guidance is also provided for the practitioner.
منابع کتاب کتاب Outlier Analysis
این کتاب پوشش جامعی از حوزه تحلیل پرت از نقطه نظر علم کامپیوتر ارائه می دهد. این روش‌ها را از داده‌کاوی، یادگیری ماشین و آمار در چارچوب محاسباتی ادغام می‌کند و بنابراین برای جوامع مختلف جذاب است. فصل های این کتاب را می توان در سه دسته دسته بندی کرد:
ویرایش دوم این کتاب مفصل تر است و به گونه ای نوشته شده است که هم برای محققین و هم برای متخصصان جذاب باشد. مطالب جدید قابل توجهی در مورد موضوعاتی مانند روش‌های هسته، ماشین‌های بردار پشتیبان تک کلاس، فاکتورسازی ماتریس، شبکه‌های عصبی، مجموعه‌های پرت، روش‌های سری زمانی و روش‌های زیرفضا اضافه شده است. این کتاب به عنوان کتاب درسی نوشته شده است و می توان از آن برای تدریس در کلاس استفاده کرد.
- الگوریتم‌های پایه: فصل‌های 1 تا 7 الگوریتم‌های اساسی برای تجزیه و تحلیل پرت، از جمله روش‌های احتمالی و آماری، روش‌های خطی، روش‌های مبتنی بر مجاورت، روش‌های با ابعاد بالا (زیرزفضا)، روش‌های مجموعه، و روش‌های نظارت شده را مورد بحث قرار می‌دهند.
- روش‌های اختصاصی دامنه: فصل‌های 8 تا 12 الگوریتم‌های تشخیص پرت را برای حوزه‌های مختلف داده‌ها، مانند متن، داده‌های طبقه‌بندی، داده‌های سری زمانی، داده‌های توالی گسسته، داده‌های مکانی، و داده‌های شبکه مورد بحث قرار می‌دهند.
- کاربردها: فصل 13 به کاربردهای مختلف تجزیه و تحلیل پرت اختصاص دارد. برخی راهنمایی‌ها نیز برای تمرین‌کننده ارائه می‌شود.
ارسال نظر درباره کتاب Outlier Analysis