Statistical Inference from High Dimensional Data
- Probleme in der realen Welt können hochdimensional, komplex und verrauscht sein - Mehr Daten bedeuten nicht gleich mehr Informationen - Verschiedene Ansätze befassen sich mit dem so genannten Fluch der Dimensionalität, um irrelevante Informationen zu reduzieren - Ein Prozess mit mehrdimensionalen Informationen ist nicht unbedingt einfach zu interpretieren oder zu verarbeiten - In einigen realen Anwendungen ist die Anzahl der Elemente einer Klasse deutlich geringer als die der anderen.
Die Modelle neigen dazu, davon auszugehen, dass die Bedeutung der Analyse zur Mehrheitsklasse gehört, was in der Regel nicht der Wahrheit entspricht - Die Analyse komplexer Krankheiten wie Krebs konzentriert sich auf mehr als eindimensionale omische Daten - Die zunehmende Datenmenge dank der Kostenreduzierung bei Hochdurchsatz-Experimenten eröffnet eine neue Ära für integrative datengesteuerte Ansätze - Entropie-basierte Ansätze sind von Interesse, um die Dimensionalität hochdimensionaler Daten zu reduzieren.
| ISBN: | 9783036509440 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
Derzeit verfügbar, auf Lager.
