آمارشناسایی داده پرت در SPSS – راهنمای کاربردیدر این نوشتار با استفاده از چند تکنیک آماری، روش‌های شناسایی داده پرت (Outlier) را در SPSS هم بوسیله محاسبات و هم ترسیم نمودارها فرا می‌گیریم.۷ اسفند ۱۳۹۸.آرمان ری بدادامه مطلب
شبکه و اینترنتتشخیص ناهنجاری در شبکه های اجتماعی آنلاین– راهنمای جامعدر این مطلب، به مبحث تشخیص ناهنجاری در شبکه های اجتماعی آنلاین و مفهوم داده‌های رفتاری، ساختاری، تشخیص ناهنجاری در گراف و چالش‌های آن پرداخته شده است.۱۰ آذر ۱۳۹۸.الهام حصارکیادامه مطلب
آمار.پایتونتشخیص داده پرت با فاصله ماهالانوبیس – پیاده سازی در پایتوندر این نوشتار به شناسایی داده پرت با فاصله ماهالانوبیس به کمک تکنیک PCA خواهیم پرداخت. برای انجام محاسبات نیز از زبان برنامه‌نویسی پایتون کمک خواهیم گرفت.۳ تیر ۱۳۹۸.آرمان ری بدادامه مطلب
آمارتشخیص ناهنجاری (Anomaly Detection) – به زبان سادهدر این مطلب، به مفهوم ناهنجاری و تشخیص ناهنجاری، انواع ناهنجاری‌ها، دامنه کاربرد تشخیص ناهنجاری و چالش‌های این حوزه پرداخته شده است.۱۸ فروردین ۱۳۹۸.الهام حصارکیادامه مطلب
آمارمدیریت مقادیر پرت با تابع Outlier در اکسل – راهنمای کاربردی (+ دانلود فیلم آموزش گام به گام)یک مقدار پرت یا به اصطلاح «Outlier»، مقداری است که از بیشتر داده‌های موجود در لیست بسیار بیشتر یا بسیار کمتر است. زمانی که از اکسل برای بررسی ...۱۰ فروردین ۱۳۹۸.احمد کلاتیانیادامه مطلب
هوش مصنوعیتشخیص ناهنجاری در داده کاوی – با استفاده از زبان برنامه‌نویسی R۷ مرداد ۱۳۹۷.الهام حصارکیادامه مطلب
هوش مصنوعیتشخیص ناهنجاری با استفاده از داده کاوی – بررسی موردی همراه با کدهای پایتون۶ مرداد ۱۳۹۷.الهام حصارکیادامه مطلب
فرادرس
