Методы восстановления непараметрической регрессии в условиях несбалансированных данных

Рассматривается регрессионный подход к решению предметно-прикладных задач на примере одной области данных. Читатели смогут повторить все операции над собственными датасетами, так как монография содержит в себе детальные расчеты и приложения, в которых представлен весь комплекс вычисленных промежуточных значений, требуемых для достижения поставленной цели.
Для специалистов в области искусственного интеллекта. Может быть полезно студентам, обучающимся по направлению подготовки «Искусственный интеллект».
- Авторы:Пётр Андреевич Пылов, Роман Вячеславович Майтак, Анна Владимировна Дягилева, Анжелика Дмитриевна Салычева
- Жанр:Разное
- Страницы: 193
- Формат: mp3, fb2, epub, pdf, txt
Советуем прочитать похожую литературу

Алгоритмы Data Science
Рассмотрен полный каскад разработки моделей искусственного интеллекта. Проанализирована область...

Математические и программные методы построения моделей глубокого...
Показана разработка и аналитика прикладных моделей глубокого обучения, применяемых в...

Разработка интеллектуальных систем для обработки сигналов с...
Показана разработка собственных элементов датчиков давления, которые функционируют в неразрывной...

Основы работы с моделями машинного и глубокого обучения
Представлены необходимые инструменты для программной и математической разработки моделей...

Асимптотический анализ поведения прикладных моделей машинного обучения
Представлена разработка и аналитика прикладных моделей машинного обучения, применяемых в...

Изучение искусственного интеллекта на основе принципа...
Показан процесс изучения основ машинного и глубокого обучения в теоретической и прикладной...
Отзывы (0)
Вам понравилось читать онлайн книгу «Методы восстановления непараметрической регрессии в условиях несбалансированных данных»? Уделите пару минут, что бы оставить полезный отзыв другому читателю.