Yeni
#smrgKİTABEVİ Electre Tree ile Makine Öğrenmesi Destekli Çok Kriterli Sınıflandırma -
Editör:
Kondisyon:
Yeni
Sunuş / Önsöz / Sonsöz / Giriş:
Hazırlayan:
Cilt:
Amerikan Cilt
Ciltçi:
Boyut:
16x24
Sayfa Sayısı:
80
Basım Yeri:
Bursa
Baskı:
1
Basım Tarihi:
2026
Kapak Türü:
Karton Kapak
Kağıt Türü:
Enso Kâğıt
Dili:
Türkçe
Kategori:
indirimli
123,50
Havale/EFT ile:
121,03
Siparişiniz 4&6 iş günü arasında kargoda
1199267742
655917
https://www.simurgkitabevi.com/electre-tree-ile-makine-ogrenmesi-destekli-cok-kriterli-siniflandirma
Electre Tree ile Makine Öğrenmesi Destekli Çok Kriterli Sınıflandırma - #smrgKİTABEVİ
123.5
1. ELECTRE tree ÖNCESİ TEMEL BİLGİLER1.1. Karar verme1.2. Çok kriterli karar verme problem türleri ve yöntemlerine genel bir bakış1.3. Sıralı-sınıflandırma ve ELECTRE tree'nin yöntemsel temeli1.3.1. UTADIS yöntemi1.3.2. AHPSort yöntemi1.3.3. FlowSort yöntemi1.3.4. ELECTRE ailesi ve ELECTRE TRI-B1.4. Makine öğrenmesine genel bir bakış2. PARAMETRE BELİRLEME SORUNU VE MAKİNE ÖĞRENMESİ BAĞLANTISI2.1. ELECTRE TRI-B'de parametrelerin rolü2.2. ELECTRE TRI-B'den ELECTRE tree'ye Geçiş2.2.1. Kümeleme mantığı, K-means ve K-means++2.2.2. ELECTRE tree bağlamında Genetik Algoritmaların (GA) kullanımı2.2.3. Topluluk öğrenmesi ve Random Forest benzetmesi3. ELECTRE tree YÖNTEMİ3.1. ELECTRE tree'nin amacı3.2. ELECTRE tree yönteminin genel akışı3.3. ELECTRE tree Python uygulama koduna bakış4. ELECTRE tree ÖRNEK UYGULAMASI4.1. Veri seti ve sınıflar4.2. Verilerin hazırlanması ve K-Means++ ile başlangıç sınıflarının elde edilmesi4.3. ELECTRE tree modelinin kurulması ve uygulanması
1. ELECTRE tree ÖNCESİ TEMEL BİLGİLER1.1. Karar verme1.2. Çok kriterli karar verme problem türleri ve yöntemlerine genel bir bakış1.3. Sıralı-sınıflandırma ve ELECTRE tree'nin yöntemsel temeli1.3.1. UTADIS yöntemi1.3.2. AHPSort yöntemi1.3.3. FlowSort yöntemi1.3.4. ELECTRE ailesi ve ELECTRE TRI-B1.4. Makine öğrenmesine genel bir bakış2. PARAMETRE BELİRLEME SORUNU VE MAKİNE ÖĞRENMESİ BAĞLANTISI2.1. ELECTRE TRI-B'de parametrelerin rolü2.2. ELECTRE TRI-B'den ELECTRE tree'ye Geçiş2.2.1. Kümeleme mantığı, K-means ve K-means++2.2.2. ELECTRE tree bağlamında Genetik Algoritmaların (GA) kullanımı2.2.3. Topluluk öğrenmesi ve Random Forest benzetmesi3. ELECTRE tree YÖNTEMİ3.1. ELECTRE tree'nin amacı3.2. ELECTRE tree yönteminin genel akışı3.3. ELECTRE tree Python uygulama koduna bakış4. ELECTRE tree ÖRNEK UYGULAMASI4.1. Veri seti ve sınıflar4.2. Verilerin hazırlanması ve K-Means++ ile başlangıç sınıflarının elde edilmesi4.3. ELECTRE tree modelinin kurulması ve uygulanması
Yorum yaz
Bu kitabı henüz kimse eleştirmemiş.
