Learning to Quantify

Esuli, Andrea ; Fabris, Alessandro ; et al.

Cham: Springer Nature, 2023

Online Monographie, Elektronische Ressource - 1 electronic resource (137 pages)

Zugriff:

DOAB - Directory of Open Access Books (Volltext)

Titel:	Learning to Quantify
Autor/in / Beteiligte Person:	Esuli, Andrea ; Fabris, Alessandro ; Moreo, Alejandro ; Sebastiani, Fabrizio
Lokaler Link:	DOAB - Directory of Open Access Books (Volltext) DOAB - Directory of Open Access Books (Volltext)
Link:	DOAB: download the publication DOAB: description of the publication
Verwandtes Werk:	The Information Retrieval Series
Veröffentlichung:	Cham: Springer Nature, 2023
Medientyp:	Monographie
Datenträgertyp:	Elektronische Ressource
Umfang:	1 electronic resource (137 pages)
ISBN:	9783031204661
Schlagwort:	Information retrieval Data mining Machine learning Information Retrieval Machine Learning Supervised Learning Data Mining Prevalence Estimation Class Prior Estimation Data Science
Sonstiges:	Online-Ressource [Kann nicht per Fernleihe bestellt werden!] Gesamttitelangabe: The Information Retrieval Series English hbz Verbund-ID: HT030375239

Klicken Sie ein Format an und speichern Sie dann die Daten oder geben Sie eine Empfänger-Adresse ein und lassen Sie sich per Email zusenden.

BibTeX Citavi, JabRef, u.a.
(Literaturverwaltung)

PDF kein Volltext!
(Merkzettel, Notizen)

RIS Endnote, Citavi u.a.
(Literaturverwaltung)

MODS
(XML zur Weiterverarbeitung)

oder

Wählen Sie das für Sie passende Zitationsformat und kopieren Sie es dann in die Zwischenablage, lassen es sich per Mail zusenden oder speichern es als PDF-Datei.

Gewünschter Zitations-Stil:

oder

Bitte prüfen Sie, ob die Zitation formal korrekt ist, bevor Sie sie in einer Arbeit verwenden. Benutzen Sie gegebenenfalls den "Exportieren"-Dialog, wenn Sie ein Literaturverwaltungsprogramm verwenden und die Zitat-Angaben selbst formatieren wollen.