Értékelés:
Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.
Statistical Learning for Big Dependent Data
Ez a könyv olyan módszereket mutat be, amelyek hasznosak a nagy, dinamikusan függő adathalmazok elemzéséhez és megértéséhez. A könyv a többváltozós függő adatok példáival és az ilyen adatok leíró statisztikáinak bemutatására szolgáló eszközökkel kezdődik. Ezután bemutat néhány hasznos statisztikai módszert az egyváltozós idősorelemzéshez, hangsúlyt fektetve a modellezésre és előrejelzésre szolgáló statisztikai eljárásokra. Mind a lineáris, mind a nemlineáris modelleket tárgyalja. Különös figyelmet kap a nagyfrekvenciás függő adatok elemzése.
A könyv második része a függő adatok több sorozata közötti együttes függőséget - mind az egyidejű, mind a dinamikus függőséget - vizsgálja. Különös figyelmet kapnak a nagyméretű adatok grafikus módszerei, az idősorok heterogenitásának kezelése (például a kiugró értékek, a hiányzó értékek és a kovarianciamátrixok változásai), valamint a többváltozós idősorok időben változó paraméterei. A könyv harmadik része a nagydimenziós függő adatok elemzésével foglalkozik. A hangsúly azokra a témákra helyeződik, amelyek akkor hasznosak, ha az idősorok száma nagy. A kiválasztott témák között szerepel az idősorok klaszterezése, a függő adatokra vonatkozó nagydimenziós lineáris regresszió és annak alkalmazásai, valamint a dimenzió csökkentése dinamikus főkomponensekkel és faktormodellekkel. A könyvben végig ismertetjük a tárgyalt módszerek előnyeit és hátrányait, és valós példákkal szemléltetjük azokat.
A könyv a nagy függő adatok elemzésére és előrejelzésére szolgáló statisztikai módszerek iránt érdeklődő végzős hallgatók, kutatók és gyakorlati szakemberek számára lesz érdekes az üzleti, közgazdasági, mérnöki és természettudományi területeken.