Bevezetés a statisztikai tanulásba: Alkalmazásokkal az R-ben

Olvasói vélemények

A könyvet széles körben a statisztikai tanulás átfogó és közérthető bevezetéseként tartják számon, amely gyakorlati alkalmazásokat és világos magyarázatokat kínál. Tartalma jól strukturált mind a kezdők, mind a haladók számára, így értékes forrás az adattudósok és statisztikusok számára. Néhány felhasználó azonban időnként problémákat észlelt a kötés minőségével kapcsolatban, és úgy érezte, hogy bizonyos viták hiányoznak, vagy hogy a szöveg helyenként túlságosan sűrű lehet.

Széles közönség számára alkalmas, hozzáférhető tartalom, a kulcsfogalmak világos magyarázata, gyakorlati alkalmazások mintakódokkal R-ben és Pythonban, frissített fejezeteket tartalmaz, jó minőségű nyomtatás, neves szerzők lebilincselő írásai, elérhető ingyenes online változat, valamint jó egyensúly az elmélet és a gyakorlatiasság között.

A könyvkötés minőségével kapcsolatos problémákról számoltak be, egyes fogalmak túlterhelőek lehetnek a teljesen kezdők számára, hiányoznak bizonyos viták, mint például a kiigazított R-négyzet, és egyes vélemények megemlítik a túlzott szövegre való hajlamot a nem megfelelő grafikus ábrázolás mellett.

(48 olvasói vélemény alapján)

Eredeti címe:

An Introduction to Statistical Learning: With Applications in R

Könyv tartalma:

Bevezetés a statisztikai tanulásba közérthető áttekintést nyújt a statisztikai tanulás területéről, amely alapvető eszközkészlet a hatalmas és összetett adathalmazok értelmezéséhez, amelyek az elmúlt húsz évben a biológiától a pénzügyeken át a marketingig és az asztrofizikáig terjedő területeken jelentek meg. Ez a könyv a legfontosabb modellezési és előrejelzési technikák közül mutat be néhányat, valamint a vonatkozó alkalmazásokat. A témakörök között szerepel a lineáris regresszió, az osztályozás, az újramintázási módszerek, a zsugorítási megközelítések, a faalapú módszerek, a támogató vektorgépek, a klaszterezés, a mélytanulás, a túlélési elemzés, a többszörös tesztelés és még sok más. A bemutatott módszerek illusztrálására színes grafikonok és valós példák szolgálnak. Mivel a tankönyv célja, hogy megkönnyítse e statisztikai tanulási technikák használatát a tudomány, az ipar és más területek gyakorlati szakemberei számára, minden fejezet tartalmaz egy-egy útmutatót a bemutatott elemzések és módszerek R-ben, egy rendkívül népszerű nyílt forráskódú statisztikai szoftverplatformban történő implementálásához.

A szerzők közül ketten közösen írták a The Elements of Statistical Learning (Hastie, Tibshirani and Friedman, 2. kiadás 2009) című könyvet, amely a statisztika és a gépi tanulás kutatói számára népszerű szakkönyv. Az An Introduction to Statistical Learning számos hasonló témát tárgyal, de sokkal szélesebb közönség számára is elérhető szinten. Ez a könyv a statisztikusoknak és a nem statisztikusoknak egyaránt szól, akik a legmodernebb statisztikai tanulási technikákat szeretnék használni adataik elemzéséhez. A szöveg csupán lineáris regresszióval kapcsolatos előképzettséget és mátrixalgebrai ismereteket feltételez.

A második kiadás új fejezeteket tartalmaz a mélytanulásról, a túlélési elemzésről és a többszörös tesztelésről, valamint a na ve Bayes, az általánosított lineáris modellek, a Bayes-féle additív regressziós fák és a mátrixkiegészítés kibővített kezelését. Az R-kódot a kompatibilitás érdekében végig frissítettük.