Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 4 Stimmen.
A Computational Approach to Statistical Learning
A Computational Approach to Statistical Learning gibt eine neuartige Einführung in die prädiktive Modellierung, indem es sich auf die algorithmischen und numerischen Motivationen hinter den gängigen statistischen Methoden konzentriert. Der Text enthält kommentierten Code zu über 80 Original-Referenzfunktionen. Diese Funktionen bieten minimale Arbeitsimplementierungen von gängigen statistischen Lernalgorithmen. Jedes Kapitel schließt mit einer vollständig ausgearbeiteten Anwendung ab, die Aufgaben der prädiktiven Modellierung anhand eines realen Datensatzes veranschaulicht.
Der Text beginnt mit einer detaillierten Analyse von linearen Modellen und gewöhnlichen kleinsten Quadraten. In den folgenden Kapiteln werden Erweiterungen wie Ridge-Regression, verallgemeinerte lineare Modelle und additive Modelle untersucht. Die zweite Hälfte konzentriert sich auf die Verwendung von Allzweckalgorithmen zur konvexen Optimierung und ihre Anwendung auf Aufgaben des statistischen Lernens. Zu den behandelten Modellen gehören das elastische Netz, dichte neuronale Netze, neuronale Faltungsnetze (CNNs) und spektrales Clustering. Ein roter Faden durch den gesamten Text ist die Verwendung der Optimierungstheorie bei der Beschreibung von Vorhersagemodellen, mit einem besonderen Schwerpunkt auf der Singulärwertzerlegung (SVD). Durch dieses Thema motiviert und verdeutlicht der rechnerische Ansatz die Beziehungen zwischen verschiedenen Vorhersagemodellen.
Taylor Arnold ist Assistenzprofessor für Statistik an der University of Richmond. Seine Arbeit an der Schnittstelle von Computer Vision, natürlicher Sprachverarbeitung und digitalen Geisteswissenschaften wurde durch mehrere Stipendien des National Endowment for the Humanities (NEH) und des American Council of Learned Societies (ACLS) unterstützt. Sein erstes Buch, Humanities Data in R, wurde 2015 veröffentlicht.
Michael Kane ist Assistenzprofessor für Biostatistik an der Universität Yale. Er hat Zuschüsse von den National Institutes of Health (NIH), DARPA und der Bill and Melinda Gates Foundation erhalten. Sein R-Paket bigmemory wurde 2010 mit dem Chamber's Prize für statistische Software ausgezeichnet.
Bryan Lewisist ein angewandter Mathematiker und Autor vieler populärer R-Pakete, darunter irlba, doRedis und threejs.
| ISBN: | 9781138046375 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2019 |
| Seitenzahl: | 362 |
Derzeit verfügbar, auf Lager.
