Envío a todo Costa Rica por solo ₡1490 

Enviar a
Costa Rica
0

Mi Cuenta

  • argentina
  • chile
  • colombia
  • españa
  • méxico
  • perú
  • estados unidos
  • internacional

menú

Selecciona tu país

América

Europa

Resto del mundo

portada Compression Schemes for Mining Large Datasets: A Machine Learning Perspective (en Inglés)
Formato
Libro Físico
Autor
Editorial
Idioma
Inglés
N° páginas
197
Encuadernación
Tapa Blanda
Dimensiones
23.4 x 15.6 x 1.2 cm
Peso
0.31 kg.
ISBN13
9781447170556
Categorías

Compression Schemes for Mining Large Datasets: A Machine Learning Perspective (en Inglés)

T. Ravindra Babu (Autor) · M. Narasimha Murty (Autor) · S. V. Subrahmanya (Autor) · Springer · Tapa Blanda

Compression Schemes for Mining Large Datasets: A Machine Learning Perspective (en Inglés) - Ravindra Babu, T. ; Narasimha Murty, M. ; Subrahmanya, S. V.

Libro Nuevo Importado
Envío: 6 a 8 días háb.
₡ 25.725
Costos de importación y 13% IVA incluídos en el precio ✅
Libro Nuevo

Quedan más de 100 unidades

₡ 25.725
Llega entre el 03 Ago y el 07 Ago a Costa Rica. Seleccionar ubicación

Elige la lista en la que quieres agregar tu producto o crea una nueva lista

Ir a Mis Listas
Calcula el costo de envío

Reseña del libro "Compression Schemes for Mining Large Datasets: A Machine Learning Perspective (en Inglés)"

This book addresses the challenges of data abstraction generation using a least number of database scans, compressing data through novel lossy and non-lossy schemes, and carrying out clustering and classification directly in the compressed domain. Schemes are presented which are shown to be efficient both in terms of space and time, while simultaneously providing the same or better classification accuracy. Features: describes a non-lossy compression scheme based on run-length encoding of patterns with binary valued features; proposes a lossy compression scheme that recognizes a pattern as a sequence of features and identifying subsequences; examines whether the identification of prototypes and features can be achieved simultaneously through lossy compression and efficient clustering; discusses ways to make use of domain knowledge in generating abstraction; reviews optimal prototype selection using genetic algorithms; suggests possible ways of dealing with big data problems using multiagent systems.

Opiniones del libro

Ver más opiniones de clientes
  • 0% (0)
  • 0% (0)
  • 0% (0)
  • 0% (0)
  • 0% (0)

Preguntas frecuentes sobre el libro

¿El libro es original?

Todos los libros de nuestro catálogo son Originales.

¿En qué Idioma está escrito el libro?

El libro está escrito en Inglés.

¿Cuál es la encuadernación de este libro?

La encuadernación de esta edición es Tapa Blanda.

Preguntas y respuestas sobre el libro

¿Tienes una pregunta sobre el libro? Inicia sesión para poder agregar tu propia pregunta.

Opiniones sobre Buscalibre

Ver más opiniones de clientes