A statisztikai tanulás számítógépes megközelítése

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 4 olvasói szavazat alapján történt.

Eredeti címe:

A Computational Approach to Statistical Learning

Könyv tartalma:

A Computational Approach to Statistical Learning újszerű bevezetést nyújt a prediktív modellezésbe, a népszerű statisztikai módszerek mögött álló algoritmikus és numerikus motivációkra összpontosítva. A szöveg több mint 80 eredeti referenciafüggvény kommentált kódját tartalmazza. Ezek a függvények a gyakori statisztikai tanulási algoritmusok minimálisan működő implementációit biztosítják. Minden fejezet egy teljesen kidolgozott alkalmazással zárul, amely a prediktív modellezési feladatokat egy valós adathalmaz segítségével szemlélteti.

A szöveg a lineáris modellek és a közönséges legkisebb négyzetek részletes elemzésével kezdődik. A későbbi fejezetek olyan kiterjesztéseket vizsgálnak, mint a gerincregresszió, az általánosított lineáris modellek és az additív modellek. A második rész a konvex optimalizálás általános célú algoritmusainak használatára és azok statisztikai tanulási feladatokra való alkalmazására összpontosít. A tárgyalt modellek közé tartozik az elasztikus háló, a sűrű neurális hálózatok, a konvolúciós neurális hálózatok (CNN) és a spektrális klaszterezés. A szövegben egységes téma az optimalizációs elmélet használata a prediktív modellek leírásában, különös tekintettel a szinguláris érték dekompozícióra (SVD). E témán keresztül a számítási megközelítés motiválja és tisztázza a különböző előrejelző modellek közötti kapcsolatokat.

Taylor Arnold a Richmondi Egyetem statisztika tanszékének adjunktusa. A számítógépes látás, a természetes nyelvi feldolgozás és a digitális humán tudományok metszéspontjában végzett munkáját a National Endowment for the Humanities (NEH) és az American Council of Learned Societies (ACLS) többszörös támogatásával támogatta. Első könyve, a Humanities Data in R 2015-ben jelent meg.

Michael Kane a Yale Egyetem biostatisztika adjunktusa. A National Institutes of Health (NIH), a DARPA, valamint a Bill és Melinda Gates Alapítvány ösztöndíjasa. R-csomagja, a bigmemory 2010-ben elnyerte a kamara statisztikai szoftverekért járó díját.

Bryan Lewisalkalmazott matematikus és számos népszerű R csomag szerzője, köztük az irlba, a doRedis és a threejs.