«Введение в статистическое обучение» представляет собой доступный обзор области статистического обучения, важный набор инструментов для понимания огромных и сложных наборов данных, которые появились в самых разных областях: от биологии до финансов, от маркетинга до астрофизики за последние двадцать лет.. В этой книге представлены некоторые из наиболее важных методов моделирования и прогнозирования, а также соответствующие приложения.. Темы включают линейную регрессию, классификацию, методы повторной выборки, подходы сокращения, древовидные методы, машины опорных векторов, кластеризацию, глубокое обучение, анализ выживания, множественное тестирование и многое другое.. Для иллюстрации представленных методов используются цветная графика и примеры из реальной жизни.. Поскольку целью этого учебника является облегчить использование этих техник статистического обучения практиками в науке, промышленности и других областях, каждая глава содержит руководство по реализации представленных анализов и методов в R, чрезвычайно популярной статистической программной платформе с открытым исходным кодом.. Двое из авторов написали в соавторстве «Элементы статистического обучения». (Хасти, Тибширани и Фридман, 2-е издание, 2009 г.), популярный справочник для исследователей статистики и машинного обучения. «Введение в статистическое обучение» охватывает многие из тех же тем, но на уровне, доступном для гораздо более широкой аудитории.. Эта книга адресована как статистикам, так и не статистикам, которые хотят использовать передовые методы статистического обучения для анализа своих данных.. Текст предполагает только предыдущий курс по линейной регрессии и отсутствие знаний матричной алгебры. Во втором издании представлены новые главы, посвященные глубокому обучению, анализу выживаемости и множественному тестированию, а также расширенное рассмотрение наивных байесовских моделей, обобщенных линейных моделей, деревьев байесовской аддитивной регрессии и дополнения матриц.. Код R был обновлен повсеместно для обеспечения совместимости. об авторе:
Гарет Джеймс — профессор наук о данных и операциях, и Е. Кресло Моргана Стэнли в области делового администрирования, в Университете Южной Калифорнии. Он опубликовал обширный корпус методологических работ в области статистического обучения с особым акцентом на данные высокой размерности и функциональные данные.. Концептуальная основа этой книги выросла из его факультативных курсов MBA в этой области.. Даниэла Виттен — профессор статистики и биостатистики и обладательница именной кафедры Дороти Гилфорд в Вашингтонском университете.. Ее исследования в основном сосредоточены на статистических методах машинного обучения для анализа сложных, зашумленных и крупномасштабных данных, с акцентом на обучение без учителя.. Тревор Хэсти и Роберт Тибширани — профессора статистики в Стэнфордском университете и соавторы успешного учебника «Элементы статистического обучения». Хасти и Тибширани разработали обобщенные аддитивные модели и написали популярную книгу под этим названием.. Хасти участвовал в разработке значительной части программного обеспечения и среды статистического моделирования в R/S-PLUS, а также изобрел главные кривые и поверхности.. Тибширани предложил концепцию «лассо» и является соавтором очень успешной книги «Введение в метод бутстрапа».
Товар из Индии
Возврат по недоставке
