Envío gratis a partir de 69,99 euros.

«Comprobar estado del pedido»

Entre a formar parte de una comunidad de amantes de los libros del mundo entero y acceda a un sinfín de ventajas. Crear una cuenta gratis

Envío gratuito con Zásilkovna para compras superiores a 59.99 €

Mensajería SEUR 4.99 € Mensajería GLS 7.99 € Mensajería Correos 5.49 € Mensajería DHL 5.49 € Punto SEUR 3.99 €

Contacto

Cómo comprar

Ayuda

Mi cuenta

▸ Vacío :-(

Envío gratis a partir de 69,99 euros.

Analytical and Statistical Data Mining: Classification Trees

Name: Analytical and Statistical Data Mining: Classification Trees
Brand: LAP LAMBERT Academic Publishing
SKU: 36733997
Price: 39.39 EUR
Availability: InStock
Author: Rohit Sachdeva
ISBN: 9786203854022

Rohit Sachdeva

Idioma

Inglés

Libro Tapa blanda

Código Libristo: 36733997

Editores LAP LAMBERT Academic Publishing, julio 2021

In this book two methods are explored that are used for classification tree to handle large amount o... Descripción completa

Código Libristo: 36733997

96 b

39.39 €

Almacenamiento externo Envío en 5-8 días

Hasta 30 días para devoluciones

Clientes que también han comprado

Das Grundgesetz Alles Neuro-Psychischen Lebens (1900) Julius Pikler

Tapa blanda

31.59 €

Le Guide de l'huile de coco Daniel Sincholle

Tapa blanda

13.69 €

Découvertes 1. Ausgabe Bayern, Cahier d'activités mit MP3-CD und Video-DVD. Bd.1

Tapa blanda

17.19 €

Der Verein Michael Röcken

Tapa blanda

16.29 €

CATALOGO MANUSCRITOS POETICOS CASTELLANOS S.XVI Y XVII TOMO II BIBLIOTECA NACIONAL (MADRID)

Libro

13.29 €

Cinese. Dizionario compatto cinese-italiano, italiano-cinese e conversazioni Franco Gatti

Tapa blanda

27.29 €

Réussir sa communication orale Floriane Zagar

Adobe ePub DRM

7.39 €

Frauen und Fernsehen in der Bundesrepublik Deutschland zwischen 1959 und 1969 Sabine Wimmer

Tapa blanda

17.89 €

Güvercinlerle Gezen Adam Ali Zengin

Tapa blanda

17.70 €

In this book two methods are explored that are used for classification tree to handle large amount of data. In the first method to mine large data sets, a single training data set is be broken into n subsets. A classification tree will be learned from each of these n subsets in parallel. Rules are then be generated from the classification trees. These rules are combined into one rule set. Then the final set of rules are used to classify future unseen data. In the second method, post process the mined information from classification tree in order to extract actions to change the status of classified groups (e.g. customers) from an undesired status (such as attritors) to a desired one (such as loyal).