Envío gratis siempre a todo México.
Haz clic para hacer zoom
Not Available
Fouad Sabry
Reducción de dimensionalidad no lineal
Cargando comentarios…
Comparte
$95
Envío gratis siempre
Comentarios
Cargando el resumen…
Cargando comentarios…
product
7187596Reducción de dimensionalidad no linealhttps://www.gandhi.com.mx/reduccion-de-dimensionalidad-no-lineal-6610000686421/phttps://gandhi.vtexassets.com/arquivos/ids/6728301/image.jpg?v=6387030168651000009595MXNMil Millones De Conocimientos [Spanish]InStock/Ebooks/6841280Reducción de dimensionalidad no lineal9595https://www.gandhi.com.mx/reduccion-de-dimensionalidad-no-lineal-6610000686421/phttps://gandhi.vtexassets.com/arquivos/ids/6728301/image.jpg?v=638703016865100000InStockMXN99999DIEbook20246610000686421_W3siaWQiOiJlNGQ3MjFlOC1lYjVjLTQ3ZDEtYjYyNS02MjRjYWIzNTk4MDEiLCJsaXN0UHJpY2UiOjk1LCJkaXNjb3VudCI6MCwic2VsbGluZ1ByaWNlIjo5NSwiaW5jbHVkZXNUYXgiOnRydWUsInByaWNlVHlwZSI6IklwcCIsImN1cnJlbmN5IjoiTVhOIiwiZnJvbSI6IjIwMjUtMDctMjFUMTg6MDA6MDBaIiwicmVnaW9uIjoiTVgiLCJpc1ByZW9yZGVyIjpmYWxzZX1d6610000686421_<p>1: Reducción de dimensionalidad no lineal: explora los conceptos básicos y la importancia de reducir los datos de alta dimensión para facilitar el análisis.</p><p>2: Mapa lineal: presenta los conceptos básicos del mapeo lineal y su función en la reducción de la dimensionalidad de los datos en el aprendizaje automático.</p><p>3: Máquina de vectores de soporte: aprende cómo las máquinas de vectores de soporte aplican la reducción de dimensionalidad en tareas de clasificación y reconocimiento de patrones.</p><p>4: Análisis de componentes principales: profundiza en la técnica de PCA para transformar datos en un conjunto de variables linealmente no correlacionadas.</p><p>5: Isometría: examina cómo las técnicas isométricas preservan las distancias entre puntos mientras reducen las dimensiones de los datos.</p><p>6: Reducción de dimensionalidad: comprende el alcance más amplio de la reducción de dimensionalidad y sus aplicaciones en varios campos.</p><p>7: Incrustación semidefinida: estudia la programación semidefinida y su conexión con los métodos de reducción de dimensionalidad.</p><p>8: Método kernel: descubre el poder de los métodos kernel para manejar relaciones no lineales en la reducción de datos.</p><p>9: Análisis de componentes principales del núcleo: explore la capacidad de KPCA para realizar una reducción de dimensionalidad en un espacio de características de alta dimensión.</p><p>10: Continuación numérica: aprenda cómo las técnicas de continuación numérica ayudan a comprender los sistemas de alta dimensión.</p><p>11: Agrupamiento espectral: comprenda cómo el agrupamiento espectral aprovecha la reducción de dimensionalidad para agrupar puntos de datos similares.</p><p>12: Isomap: una mirada a Isomap, una técnica que combina el escalamiento multidimensional con distancias geodésicas para la reducción de dimensionalidad.</p><p>13: Lema de Johnson-Lindenstrauss: profundice en las matemáticas del lema de Johnson-Lindenstrauss, que garantiza que la reducción de dimensionalidad mantenga las propiedades geométricas.</p><p>14: Modelo de cascada de Poisson lineal-no lineal: estudie cómo este modelo integra métodos lineales y no lineales en la reducción de dimensionalidad.</p><p>15: Alineación de variedades: aprenda sobre la alineación de variedades y su importancia para alinear datos de diferentes dominios en la reducción de dimensionalidad.</p><p>16: Mapa de difusión: comprenda cómo los mapas de difusión utilizan el proceso de difusión para la reducción de la dimensionalidad en conjuntos de datos complejos.</p><p>17: Incrustación estocástica de vecinos distribuidos en T: explore la capacidad de tSNE para reducir la dimensionalidad mientras preserva las estructuras locales en los datos.</p><p>18: Incrustación de distribuciones en kernel: estudie cómo la incrustación en kernel permite la reducción de la dimensionalidad en distribuciones, no solo en conjuntos de datos.</p><p>19: Proyección aleatoria: un enfoque práctico para la reducción de la dimensionalidad que se basa en proyecciones aleatorias para un cálculo rápido.</p><p>20: Regularización de variedades: aprenda sobre las técnicas de regularización de variedades y su impacto en el aprendizaje a partir de datos de alta dimensión.</p><p>21: Modelado dinámico empírico: descubra cómo el modelado dinámico empírico ayuda en la reducción de la dimensionalidad a través del análisis de datos de series temporales.</p>...6610000686421_Mil Millones De Conocimientos [Spanish]libro_electonico_6610000686421_6610000686421Fouad SabryEspañolMéxicohttps://getbook.kobo.com/koboid-prod-public/content2connect_drm-epub-4ccd4cd7-3a5f-4e88-82fd-4ed660c49d6f.epub2024-12-17T00:00:00+00:00Mil Millones De Conocimientos [Spanish]