Compartir
Introduction to Clustering Large and High-Dimensional Data Paperback (en Inglés)
Jacob Kogan
(Autor)
·
Cambridge University Press
· Tapa Blanda
Introduction to Clustering Large and High-Dimensional Data Paperback (en Inglés) - Kogan, Jacob
$ 71.040
$ 109.290
Ahorras: $ 38.250
Elige la lista en la que quieres agregar tu producto o crea una nueva lista
✓ Producto agregado correctamente a la lista de deseos.
Ir a Mis Listas
Origen: España
(Costos de importación incluídos en el precio)
Se enviará desde nuestra bodega entre el
Martes 18 de Junio y el
Martes 25 de Junio.
Lo recibirás en cualquier lugar de Chile entre 1 y 3 días hábiles luego del envío.
Reseña del libro "Introduction to Clustering Large and High-Dimensional Data Paperback (en Inglés)"
There is a growing need for a more automated system of partitioning data sets into groups, or clusters. For example, digital libraries and the World Wide Web continue to grow exponentially, the ability to find useful information increasingly depends on the indexing infrastructure or search engine. Clustering techniques can be used to discover natural groups in data sets and to identify abstract structures that might reside there, without having any background knowledge of the characteristics of the data. Clustering has been used in a variety of areas, including computer vision, VLSI design, data mining, bio-informatics (gene expression analysis), and information retrieval, to name just a few. This book focuses on a few of the most important clustering algorithms, providing a detailed account of these major models in an information retrieval context. The beginning chapters introduce the classic algorithms in detail, while the later chapters describe clustering through divergences and show recent research for more advanced audiences.
- 0% (0)
- 0% (0)
- 0% (0)
- 0% (0)
- 0% (0)
Todos los libros de nuestro catálogo son Originales.
El libro está escrito en Inglés.
La encuadernación de esta edición es Tapa Blanda.
✓ Producto agregado correctamente al carro, Ir a Pagar.
