Darmowa dostawa dla zamówień powyżej 299,00 zł.

Sprawdzić stan zamówienia

Zostań członkiem wspólnoty miłośników książek z całego świata i zyskaj mnóstwo korzyści. Załóż konto bezpłatnie

Darmowa dostawa z usługą Inpost oraz Orlen od 299.00 zł

DPD Kurier 12.99 zł Poczta Polska 18.99 zł Paczkomat 13.99 zł InPost Kurier 12.99 zł Punkt DPD 11.99 zł

Kontakt

Jak kupować

Pomoc

Moje konto

▸ Pusty :-(

Darmowa dostawa dla zamówień powyżej 299,00 zł.

Case-based Predictions: An Axiomatic Approach To Prediction, Classification And Statistical Learning

Name: Case-based Predictions: An Axiomatic Approach To Prediction, Classification And Statistical Learning
Brand: World Scientific Publishing Co Pte Ltd
SKU: 04430080
Price: 580.3 PLN
Availability: InStock
Author: Itzhak Gilboa
ISBN: 9789814366175

Itzhak Gilboa

Język

Angielski

Książka Twarda

Kod Libristo: 04430080

Wydawnictwo World Scientific Publishing Co Pte Ltd, kwiecień 2012

This book presents an axiomatic approach to the problems of prediction, classification, and statisti... Cały opis

Kod Libristo: 04430080

323 b

580.30 zł

Dostępna u dostawcy Wysyłamy za 10-13 dni

Nawet do 30 dni na zwrot

Klienci kupili także

Onitsha Jean-Marie Gustave Le Clézio

Miękka

48.66 zł

Ben liebt Anna Peter Härtling

Miękka

47.01 zł

Educaç?o Em Mauá: Um estudo propositivo Prefácio por Sandro Souza Sandro Souza

Miękka

36.82 zł

Prašina: Křídový panáček #2 Vojtěch Matocha

Miękka

11.10 zł

Militarsanitatswesen Der Vereinigten Staaten Von Nord-Amerika Wahrend Des Letzten Krieges Harry Von Haurowitz

Miękka

194.87 zł

KuliFerda (5–7 let) - SADA 5 pracovních sešitů č.2 Jana Pechancová

Miękka

45.26 zł

Láska žije offline Lucia Žiaková

Twarda

66.25 zł

This book presents an axiomatic approach to the problems of prediction, classification, and statistical learning. Using methodologies from axiomatic decision theory, and, in particular, the authors' case-based decision theory, the present studies attempt to ask what inductive conclusions can be derived from existing databases. It is shown that simple consistency rules lead to similarity-weighted aggregation, akin to kernel-based methods. It is suggested that the similarity function be estimated from the data. The incorporation of rule-based reasoning is discussed.