|
Цена
не определена
Предварительная цена не определена
|
|
Наличие
предварительный заказ
ожидаемое поступление: декабрь 2019
|
декабрь 2019 г.; 768 стр.; твердый переплет; тип бумаги: офсетная белая; формат 70х100/16 (170х240 мм);
Издательство Диалектика; ISBN 978-5-907144-42-2, 9780387848570
В течение последнего десятилетия произошел стремительный рост вычислительных и информационных технологий. Благодаря этому в различных областях, таких как медицина, биология, финансы и маркетинг, появилась возможность обрабатывать огромные объемы данных. Необходимость понимания этих данных привела к разработке новых инструментов в области статистики и породила новые области, такие как интеллектуальный анализ данных, машинное обучение и биоинформатика. Многие из этих инструментов имеют общие основы, но часто выражаются с помощью разных терминов.
В книге "Основы статистического обучения" описываются важные идеи, существующие в этих областях, на основе общего концептуального подхода. Хотя этот подход является статистическим, акцент делается на концепциях, а не на математике. Авторы приводят много примеров с широким использованием графических иллюстраций.
В частности, в книге "Основы статистического обучения" рассматриваются основные понятия и методы статистического обучения: линейная регрессия, нелинейная регрессия, линейные методы классификации, регуляризация, ядерное сглаживание, оценивание и выбор моделей, аддитивные модели, деревья классификации, создание повторных выборок, нейронные сети, случайные леса и многое другое. Авторы приводят множество примеров и цветных иллюстраций применения этих методов на практике.
Книга "Основы статистического обучения" представляет собой ценный источник знаний для статистиков и всех, кто интересуется обработкой данных в науке или промышленности. Диапазон тем, охваченных книгой, обширен: от обучения с учителем (прогнозирования) до обучения без учителя, включая нейронные сети, метод опорных векторов, деревья классификации и бустинг.
Новое издание книги "Основы статистического обучения: интеллектуальный анализ данных, логический вывод и прогнозирование" (2-е издание) содержит множество тем, не охваченных в первом издании, включая графовые модели, случайные леса, ансамблевые методы, метод наименьших углов и LASSO, алгоритмы неотрицательной матричной факторизации и спектральной кластеризации. В книгу включена также глава о методах обработки “широких” данных, включая множественное тестирование и оценивание уровня ложноположительных результатов.
Авторы книги "Основы статистического обучения" - Тревор Хасти, Роберт Тибширани и Джером Фридман работают профессорами статистики в Стэнфордском университете.
Они являются выдающимися исследователями в этой области: Хасти и Тибширани разработали обобщенные аддитивные модели и написали популярную книгу на эту тему. Хасти — соавтор большой части программного обеспечения для статистического моделирования в среде R/S-PLUS и изобретатель алгоритма поиска главных кривых и поверхностей.
Тибширани предложил метод LASSO и является соавтором очень успешной книги "Introduction to the Bootstrap" (Chapman and Hall/CRC,1994).
Фридман — соавтор многих инструментов для интеллектуального анализа данных, включая CART, MARS, а также методов поиска наилучшей проекции и градиентного бустинга.
Книга "Основы статистического обучения: интеллектуальный анализ данных, логический вывод и прогнозирование" представляет огромный интерес для специалистов, применяющих методы статистического обучения (машинного обучения), а также для студентов, изучающих компьютерные науки (информатику). Подробнее о книге от издателя: оглавление, содержание, пролистать ⇓ Обсуждение книги в блоге Виктора Штонда Оригинальное издание
The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2ed Edition, Trevor Hastie, Robert Tibshirani, Jerome Friedman
|
