Livrare gratuită pentru comenzile peste 349,00 lei.

Verifică starea comenzii

Faceți parte dintr-o comunitate de iubitori de cărți din întreaga lume și beneficiați de o mulțime de avantaje Creați-vă un cont gratuit

Transport gratuit la punctele de livrare Pick Up peste 349.00 lei

Packeta 15.00 lei Serviciul de curierat Cargus 28.00 lei Easybox 20.00 lei FAN Courier 20.00 lei Punct FAN 16.00 lei Punct DPD 17.00 lei Curier DPD 25.00 lei

Contact

Cum să cumpăr

Ajutor

Contul meu

▸ Gol :-(

Livrare gratuită pentru comenzile peste 349,00 lei.

RESEARCH ADVANCES IN MACHINE LEARNING

Name: RESEARCH ADVANCES IN MACHINE LEARNING
Brand: OmniScriptum
SKU: 50297896
Price: 243.47 RON
Availability: InStock
Author: Youness Manzali
ISBN: 9786209379475

TREES, KNN, AND CLUSTERING MODELS. DE

Youness Manzali

Faiq GMIRA

Mohamed ElFar

Limba

engleză

Carte Carte broșată

Codul Libristo: 50297896

Editura OmniScriptum, noiembrie 2024

This advanced research book introduces well-designed improvements to major machine learning algorith... Descrierea completă

Codul Libristo: 50297896

113 b

243.47 lei

În depozitul extern Expediem în 10-18 zile

Până la 30 de zile pentru returnare

Clienții au cumpărat de asemenea

Metodología para la recogida de información Jean-Marie de Ketele

Carte broșată

182.47 lei

Versuch uber den menschlichen Verstand John Locke

Carte broșată

99.54 lei

La Médecine Dosimétrique Contemporaire: Médecine Humaine... Adolphe Burggraeve

Carte broșată

163.35 lei

Principios practicos de medicina paliativa y del dolor Guillermo Eduardo Arechiga Ornelas

Adobe ePub DRM

46.13 lei

Manuel d’analyse du discours Caillat

Carte broșată

162.10 lei

Der Schutz personenbezogener Daten von Kindern im Internet Ndjie Ariane Monica

Carte broșată

374.82 lei

Teenage Mutant Ninja Turtles Art Scale Statue 1/10 Donatello 18 cm Joc / Jucărie

Jucărie

1 646.86 lei

This advanced research book introduces well-designed improvements to major machine learning algorithms, including decision trees, KNN, random forests, and clustering methods. The book focuses on reducing model complexity while improving accuracy, robustness, and execution time through novel pruning, feature weighting, and ensemble strategies. The proposed approaches are experimentally validated on well-known real-world datasets, demonstrating their effectiveness and strong practical relevance.