Bewertung:

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 3 Stimmen.
Linear Models with Python
Lob für Lineare Modelle mit R:
Dieses Buch ist ein unverzichtbares Werkzeug für jeden, der sich für das Verständnis und die Anwendung linearer Modelle interessiert. Die logische Anordnung der Kapitel ist gut durchdacht und spiegelt Faraways reiche Erfahrung in der Lehre und Anwendung linearer Modelle wider.... Das Buch stellt das Material auf logische und komplexe Weise dar und macht die lineare Modellierung für Forscher aus praktisch allen Fachgebieten interessant. -Biometrical Journal
Das Buch bietet eine Fülle von Einblicken ... mit Kommentaren, die selbst erfahrene Praktiker schätzen werden. Eingestreut in den R-Code und die damit erzeugten Ausgaben findet man viele kleine Juwelen dessen, was ich für fundierte statistische Ratschläge halte, die durch die gewählten Beispiele gut verkörpert werden... Ich habe es mit Vergnügen gelesen und denke, dass dies auch für jeden gilt, der sich mit der Verwendung oder Lehre von linearen Modellen beschäftigt. -Journal of the Royal Statistical Society
Wie sein weithin gelobtes, meistverkauftes Pendant, Linear Models with R, ersetzt dieses Buch R durch Python, um nahtlos eine kohärente Darstellung der Praxis der linearen Modellierung zu bieten. Lineare Modelle mit Python bietet aktuelle Einblicke in wesentliche Themen der Datenanalyse, von Schätzung, Inferenz und Vorhersage bis hin zu fehlenden Daten, faktoriellen Modellen und Blockdesigns. Zahlreiche Beispiele veranschaulichen, wie die verschiedenen Methoden mit Python angewendet werden können.
Features:
⬤ Python ist eine leistungsstarke, quelloffene Programmiersprache, die zunehmend in den Bereichen Data Science, maschinelles Lernen und Informatik eingesetzt wird. Python und R sind ähnlich, aber R wurde für die Statistik entwickelt, während Python ein Multitalent ist.
⬤ In dieser Version wird R durch Python ersetzt, um es einer größeren Anzahl von Nutzern außerhalb der Statistik zugänglich zu machen, einschließlich derer aus dem Bereich des maschinellen Lernens.
⬤ Ein Leser, der aus dem Bereich des maschinellen Lernens kommt, wird in diesem Buch neue statistische Perspektiven auf das Lernen aus Daten kennenlernen.
⬤ Themen sind u.a. Modellauswahl, Schrumpfung, Experimente mit Blöcken und fehlenden Daten.
⬤ Einschließlich eines Anhangs über Python für Anfänger.
Lineare Modelle mit Python erklärt, wie man lineare Modelle in den Natur- und Ingenieurwissenschaften, in den Sozialwissenschaften und in Geschäftsanwendungen einsetzt. Es ist ideal als Lehrbuch für lineare Modelle oder lineare Regression Kurse.