Klastrowanie

Opinie czytelników

Książka oferuje szeroki przegląd algorytmów kategoryzacji i stanowi dobre wprowadzenie do tej dziedziny. Jest szczególnie przydatna dla studentów podążających za pracą na zajęciach. Brakuje jej jednak głębi w dyskusjach na temat porównań metod i poświęca znaczną ilość miejsca aplikacjom, a nie analizie metod.

⬤ Łatwo zrozumiałe omówienie algorytmów kategoryzacji
⬤ przydatne dla kursów strukturalnych
⬤ wprowadza nowe metody w porównaniu do podobnych książek.

Brak głębi w omawianiu względnych zalet różnych metod; zbyt duży nacisk na podsumowania aplikacji zamiast dogłębnej analizy.

(na podstawie 3 opinii czytelników)

Oryginalny tytuł:

Clustering

Zawartość książki:

Jest to pierwsza książka, która w naprawdę kompleksowy sposób traktuje o klastrowaniu.

Zaczyna się od wprowadzenia do analizy skupień, a następnie bada: miary bliskości; hierarchiczne grupowanie; grupowanie partycji; grupowanie oparte na sieciach neuronowych; grupowanie oparte na jądrze; sekwencyjne grupowanie danych; grupowanie danych na dużą skalę; wizualizacja danych i grupowanie danych wielowymiarowych; oraz walidacja klastrów. Autorzy nie zakładają żadnego wcześniejszego doświadczenia w klasteryzacji, a ich hojne włączenie przykładów i odniesień pomaga uczynić temat zrozumiałym dla czytelników o różnych poziomach i doświadczeniach.