Rankings and Preferences (eBook)
X, 91 Seiten
Springer Berlin (Verlag)
978-3-662-48344-2 (ISBN)
This book examines in detail the correlation, more precisely the weighted correlation and applications involving rankings. A general application is the evaluation of methods to predict rankings. Others involve rankings representing human preferences to infer user preferences; the use of weighted correlation with microarray data and those in the domain of time series. In this book we present new weighted correlation coefficients and new methods of weighted principal component analysis.
We also introduce new methods of dimension reduction and clustering for time series data and describe some theoretical results on the weighted correlation coefficients in separate sections.
Joaquim Pinto da Costa received his first degree in Applied Mathematics from Porto Universitiy (Portugal), his M. Sc. degree in Applied Statistics from Oxford University and his Ph.D. degree in Applied Mathematics from University of Rennes II (France). Since 199, he is Assistant Professor at the Mathematics Department of Porto University. His research interests include Statistics, Statistical Learning Theory, Pattern Recognition, Discriminant Analysis and Clustering, Data Analysis, Neural Networks, SVMs and Machine Learning.
Joaquim Pinto da Costa received his first degree in Applied Mathematics from Porto Universitiy (Portugal), his M. Sc. degree in Applied Statistics from Oxford University and his Ph.D. degree in Applied Mathematics from University of Rennes II (France). Since 199, he is Assistant Professor at the Mathematics Department of Porto University. His research interests include Statistics, Statistical Learning Theory, Pattern Recognition, Discriminant Analysis and Clustering, Data Analysis, Neural Networks, SVMs and Machine Learning.
Introduction.- The Weighted Rank Correlation Coefficient rW.- The Weighted Rank Correlation Coefficient rW2 .- A Weighted Principal Component Analysis, WPCA1: Application to Gene Expression Data.- A Weighted Principal Component Analysis (WPCA2) for Time Series Data.- Weighted Clustering of Time Series.- Appendix.- References.
| Erscheint lt. Verlag | 15.9.2015 |
|---|---|
| Reihe/Serie | SpringerBriefs in Statistics | SpringerBriefs in Statistics |
| Zusatzinfo | X, 91 p. 12 illus., 4 illus. in color. |
| Verlagsort | Berlin |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Mathematik ► Wahrscheinlichkeit / Kombinatorik |
| Medizin / Pharmazie ► Allgemeines / Lexika | |
| Technik | |
| Schlagworte | microarray data • Principal Component Analysis • Ranking • Time Series • weighted correlation |
| ISBN-10 | 3-662-48344-0 / 3662483440 |
| ISBN-13 | 978-3-662-48344-2 / 9783662483442 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 1,9 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Zusätzliches Feature: Online Lesen
Dieses eBook können Sie zusätzlich zum Download auch online im Webbrowser lesen.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
