Modern többváltozós statisztikai technikák: Regresszió, osztályozás és sokrétű tanulás

Olvasói vélemények

A könyv modern és átfogó megközelítést nyújt a többváltozós analízishez, számos technikát és módszert tárgyal, a hangsúlyt a gyakorlati alkalmazásra és a statisztika aktuális kérdéseire helyezve. Számos példát tartalmaz, és vizuálisan is vonzó, így hasznos referenciaként szolgál a végzős hallgatók és szakemberek számára. Mélysége azonban kihívást jelenthet a kezdők számára, és hiányozhat belőle bizonyos Bayes-módszerek mélyreható ismertetése.

⬤ Friss nézőpontot kínál a többváltozós elemzés és az adatok feltárása terén.
⬤ A modern technikák széles körét fedi le, beleértve a nemparametrikus módszereket, a gépi tanulást és az osztályozási algoritmusokat.
⬤ Számos valós példát és színes grafikonokat tartalmaz, amelyek fokozzák a megértést.
⬤ Jól strukturált, átfogó referenciaként szolgál a hallgatók és szakemberek számára.
⬤ Akadémiai alaposság, nagy bibliográfiával és gyakorlatokkal.

⬤ Talán nem alkalmas kezdőknek vagy az anyaggal még nem ismerkedőknek.
⬤ Hiányzik a Bayes-módszerek mélyreható tárgyalása.
⬤ Egyes fejezetek, mint például a mátrixalgebráról szóló fejezet, megzavarhatják az olvasás menetét, és megfélemlíthetik a kevésbé magabiztos olvasókat.
⬤ A bevezető jellegű szövegekhez képest nehéz referenciának számít az elsősök számára.

(12 olvasói vélemény alapján)

Eredeti címe:

Modern Multivariate Statistical Techniques: Regression, Classification, and Manifold Learning

Könyv tartalma:

A számítás és az adattárolás terén elért figyelemre méltó fejlődés, valamint a hatalmas adathalmazok könnyű hozzáférhetősége volt a kulcsa az adatbányászat és a gépi tanulás új tudományágainak fejlődésének, míg a humán genomprojekt hatalmas sikere megnyitotta a bioinformatika területét.

Ezeket az izgalmas fejleményeket, amelyek számos innovatív statisztikai eszköz bevezetéséhez vezettek a nagydimenziós adatok elemzéséhez, itt részletesen ismertetjük. A szerző széles perspektívát vesz fel; a többváltozós elemzésről szóló könyvben először tárgyalja részletesen a nemlineáris módszereket éppúgy, mint a lineáris módszereket. A tárgyalt technikák a hagyományos többváltozós módszerektől, mint például a többszörös regresszió, a főkomponensek, a kanonikus változók, a lineáris diszkriminanciaanalízis, a faktorelemzés, a klaszterezés, a többdimenziós skálázás és a megfeleléselemzés, az újabb módszerekig terjednek, mint a sűrűségbecslés, a vetítési törekvés, a neurális hálózatok, a többváltozós redukált rangú regresszió, a nemlineáris sokrétű tanulás, a bagging, a boosting, a véletlen erdők, a független komponenselemzés, a támogató vektor gépek, valamint az osztályozási és regressziós fák. A könyv másik egyedülálló jellemzője az adatbázis-kezelő rendszerek tárgyalása.

Ez a könyv a statisztika, az informatika, a mesterséges intelligencia, a pszichológia, a kognitív tudományok, az üzleti élet, az orvostudomány, a bioinformatika és a mérnöki tudományok haladó egyetemi és főiskolai hallgatói, valamint kutatói számára készült. A többváltozós számtan, a lineáris algebra, valamint a valószínűségszámítás és statisztika ismerete szükséges. A könyv az elmélet és az alkalmazások, valamint a klasszikus és modern többváltozós statisztikai technikák, köztük a Bayes-módszerek gondosan integrált keverékét mutatja be. A könyvben több mint 60 érdekes, példaként használt adatsor, több mint 200 feladat, valamint számos színes illusztráció és fénykép található.