
Гусяка
Организатор
- Сообщения
- Монеты
- 0.0
- Оплачено
- 33
- Купоны
- 0
- Кешбэк
- 0
- Баллы
- 0
- @Skladchiki
- #1
Складчина: [ДМК] Предсказательная аналитика с KNIME (Фрэнк Асито)
- Ссылка на картинку
-
Методы машинного обучения - доступно и наглядно!
KNIME позволяет наблюдать за каждым шагом рабочего процесса, делая его полностью прозрачным, а также с легкостью воспроизводить аналитические процедуры для новых данных и экспортировать рабочие процессы в любые подходящие форматы. Поддержка скриптов на языках R и Python делает KNIME универсальным и самодостаточным инструментом анализа.
Книга посвящена интеллектуальному анализу данных с помощью KNIME – инструмента с открытым исходным кодом и визуальным интерфейсом разработки. Настраиваемые узлы аналитической системы можно перетаскивать мышью в среду выполнения, компонуя из них интерактивный граф. На страницах книги вы найдете подробное описание наиболее распространенных методов машинного обучения, таких как линейная и логистическая регрессия, кластерный анализ, деревья решений, нейронные сети и т.д. Вы также научитесь реализовывать эти методы на практике с применением KNIME.
Основные темы:
KNIME позволяет наблюдать за каждым шагом рабочего процесса, делая его полностью прозрачным, а также с легкостью воспроизводить аналитические процедуры для новых данных и экспортировать рабочие процессы в любые подходящие форматы. Поддержка скриптов на языках R и Python делает KNIME универсальным и самодостаточным инструментом анализа.
Книга посвящена интеллектуальному анализу данных с помощью KNIME – инструмента с открытым исходным кодом и визуальным интерфейсом разработки. Настраиваемые узлы аналитической системы можно перетаскивать мышью в среду выполнения, компонуя из них интерактивный граф. На страницах книги вы найдете подробное описание наиболее распространенных методов машинного обучения, таких как линейная и логистическая регрессия, кластерный анализ, деревья решений, нейронные сети и т.д. Вы также научитесь реализовывать эти методы на практике с применением KNIME.
Основные темы:
- введение в KNIME;
- постановка аналитической задачи
- и предварительная подготовка данных;
- конструирование признаков и снижение размерности;
- реализация методов машинного обучения
- на практике с помощью KNIME.
Показать больше
Зарегистрируйтесь
, чтобы посмотреть авторский контент.