It will be shipped from our warehouse between Thursday, July 11 and Friday, July 12.
You will receive it anywhere in United States between 1 and 3 business days after shipment.
Wykrywanie wartości odstających z wykorzystaniem nowego podejścia hybrydowego (in Polaco)
Kaur, Navneet
Synopsis "Wykrywanie wartości odstających z wykorzystaniem nowego podejścia hybrydowego (in Polaco)"
Eksploracja danych jest procesem wydobywania ukrytych i użytecznych informacji z danych. Wykrywanie wartości odstających jest fundamentalną częścią eksploracji danych i w ostatnim czasie cieszy się ogromnym zainteresowaniem środowiska naukowego. Wynik odstający to obiekt danych, który odbiega od innych obserwacji. Wykrywanie wartości odstających ma istotne zastosowanie w czyszczeniu danych, jak również w eksploracji punktów odbiegających od normy w celu wykrywania oszustw, analizy gieldowej, wykrywania wlamań, marketingu, czujników sieciowych. Większośc istniejących badań koncentruje się na numerycznych zbiorach danych, które nie mają bezpośredniego zastosowania w przypadku kategorycznych zbiorów danych, gdzie uporządkowanie danych i obliczenie odleglości pomiędzy punktami danych nie ma większego sensu. Ponadto, wiele z obecnych metod wykrywania wartości odstających wymaga czasu kwadratowego w odniesieniu do rozmiaru zbioru danych i zwykle wymaga wielokrotnego skanowania danych; cechy te są niepożądane, gdy zbiory danych są duże. W niniejszej pracy skoncentrowano się i oceniono eksperymentalnie metodę wykrywania wartości odstających, która jest ukierunkowana na zbiory kategoryczne. Ponadto, jest to prosty, skalowalny i wydajny algorytm wykrywania wartości odstających, który ma tę zaletę, że pozwala wykrywac wartości odstające w kategorycznych lub numerycznych zbiorach danych poprzez per
