An Introduction to Statistical Learning: With Applications in R

Joom

Une introduction à l'apprentissage statistique fournit un aperçu accessible du domaine de l'apprentissage statistique, un ensemble d'outils essentiels pour donner un sens aux ensembles de données vastes et complexes qui ont émergé dans des domaines allant de la biologie à la finance en passant par le marketing et l'astrophysique au cours des vingt dernières années.. Ce livre présente certaines des techniques de modélisation et de prédiction les plus importantes, ainsi que leurs applications pertinentes.. Les sujets incluent la régression linéaire, la classification, les méthodes de rééchantillonnage, les approches de rétrécissement, les méthodes basées sur les arbres, les machines à vecteurs de support, le clustering, l'apprentissage profond, l'analyse de survie, les tests multiples, et plus encore. Des graphiques en couleur et des exemples concrets sont utilisés pour illustrer les méthodes présentées.. Puisque l'objectif de ce manuel est de faciliter l'utilisation de ces techniques d'apprentissage statistique par les praticiens en science, dans l'industrie et dans d'autres domaines, chaque chapitre contient un tutoriel sur la mise en œuvre des analyses et des méthodes présentées dans R, une plateforme logicielle statistique open source extrêmement populaire.. Deux des auteurs ont co-écrit The Elements of Statistical Learning (Hastie, Tibshirani et Friedman, 2e édition 2009), un ouvrage de référence populaire pour les chercheurs en statistiques et en apprentissage automatique. Une introduction à l'apprentissage statistique couvre bon nombre des mêmes sujets, mais à un niveau accessible à un public beaucoup plus large.. Ce livre s'adresse aussi bien aux statisticiens qu'aux non-statisticiens qui souhaitent utiliser des techniques d'apprentissage statistique de pointe pour analyser leurs données.. Le texte suppose uniquement un cours préalable en régression linéaire et aucune connaissance de l'algèbre matricielle. Cette deuxième édition présente de nouveaux chapitres sur l'apprentissage profond, l'analyse de survie et les tests multiples, ainsi que des développements approfondis sur les classificateurs naïfs de Bayes, les modèles linéaires généralisés, les arbres de régression additive bayésiens et la complétion de matrices.. Le code R a été mis à jour tout au long pour assurer la compatibilité. A propos de l'auteur: Gareth James est professeur de sciences des données et d'opérations, et le E. Chaire Morgan Stanley en administration des affaires, à l'Université de Californie du Sud. Il a publié un ensemble considérable de travaux méthodologiques dans le domaine de l'apprentissage statistique, avec un accent particulier sur les données de grande dimension et fonctionnelles.. Le cadre conceptuel de ce livre est né de ses cours optionnels de MBA dans ce domaine. Daniela Witten est professeure de statistique et de biostatistique, et titulaire de la chaire dotée Dorothy Gilford, à l'Université de Washington. Ses recherches se concentrent principalement sur les techniques d'apprentissage statistique machine pour l'analyse de données complexes, désordonnées et à grande échelle, avec un accent sur l'apprentissage non supervisé.. Trevor Hastie et Robert Tibshirani sont professeurs de statistique à l'université Stanford, et sont co-auteurs du manuel à succès Elements of Statistical Learning. Hastie et Tibshirani ont développé les modèles additifs généralisés et écrit un livre populaire de ce titre.. Hastie a co-développé une grande partie du logiciel et de l'environnement de modélisation statistique dans R/S-PLUS et a inventé les courbes et surfaces principales.. Tibshirani a proposé le lasso et est co-auteur du très réussi An Introduction to the Bootstrap.

Amazon

An Introduction to Statistical Learning: with Applications in R Springer Texts in Statistics Books Subjects Computing Internet Computer Science AI Machine Learning Books Subjects Computing Internet Software Graphics Business Home Office Books Subjects Science Nature Maths Mathematics Education Higher Education Books Subjects Science Nature Maths Mathematics Probability Statistics Books Subjects Scientific Technical Medical Mathematics Applied Mathematics Statistics Probability Product Type: ABIS BOOK Brand: Springer