Bewertung:

Das Buch erhält gemischte Kritiken. Gelobt wird die umfassende Behandlung der Erkennung und Analyse von Ausreißern mit einem ausgewogenen Verhältnis von Theorie und Anwendung. Einige Leser empfinden es jedoch als ermüdend zu lesen, und in einigen Exemplaren wird über schlechte Papierqualität berichtet. Während es von denjenigen geschätzt wird, die über ein fundiertes Statistikwissen verfügen, ist es für Anfänger möglicherweise nicht geeignet.
Vorteile:⬤ Umfassende und aktuelle Quelle zur Ausreißererkennung
⬤ klar geschrieben mit einer guten Balance zwischen Theorie, Anwendung und Konzepten
⬤ geeignet für Statistiker und Datenwissenschaftler
⬤ gut organisiert
⬤ bietet einen kohärenten Rahmen
⬤ deckt aktuelle Entwicklungen ab.
⬤ Mathelastig und nicht für Anfänger geeignet
⬤ kann ermüdend und repetitiv zu lesen sein
⬤ schlechte Papierqualität in einigen Exemplaren
⬤ es fehlt an Codebeispielen
⬤ Erklärungen können unnötig kompliziert sein
⬤ einige Konzepte können übermäßig langatmig sein.
(basierend auf 12 Leserbewertungen)
Outlier Analysis
Bietet alle grundlegenden Algorithmen für die Ausreißeranalyse in großer Ausführlichkeit, einschließlich derjenigen für fortgeschrittene Datentypen, einschließlich spezifischer Einblicke, wann und warum bestimmte Algorithmen effektiv funktionieren Bespricht die neuesten Ideen auf dem Gebiet wie Ausreißer-Ensembles, Matrixfaktorisierung, Kernel-Methoden und neuronale Netze Deckt theoretische und praktische Aspekte der Ausreißeranalyse ab, einschließlich spezifischer praktischer Details für eine genaue Implementierung Bietet zahlreiche Abbildungen und Übungen für den Unterricht, einschließlich eines Lösungshandbuchs.