Isbn Einführung in das Statistische Lernen 2E : mit Anwendungen in R

Name: Isbn Einführung in das Statistische Lernen 2E : mit Anwendungen in R
Brand: ISBN
SKU: 9781071614174

Isbn Einführung in das Statistische Lernen 2E : mit Anwendungen in R thumbnail

-2%

Preisalarm

ISBN Einführung in das Statistische Lernen 2E : mit Anwendungen in R. Buchcover-Typ: Hardcover, Sprachversion: Englisch, Geschrieben von: Daniela Witten, Robert Tibshirani, Trevor Hastie

★ 4.9

78,45 €

Bester Preis bei preigu.de

Preisalarm

ISBN Einführung in das Statistische Lernen 2E : mit Anwendungen in R. Buchcover-Typ: Hardcover, Sprachversion: Englisch, Geschrieben von: Daniela Witten, Robert Tibshirani, Trevor Hastie

★ 4.9

78,45 €

Bester Preis bei preigu.de

-2%

Preisalarm

ISBN Einführung in das Statistische Lernen 2E : mit Anwendungen in R. Buchcover-Typ: Hardcover, Sprachversion: Englisch, Geschrieben von: Daniela Witten, Robert Tibshirani, Trevor Hastie

★ 4.9

78,45 €

Bester Preis bei preigu.de

Preisalarm

ISBN Einführung in das Statistische Lernen 2E : mit Anwendungen in R. Buchcover-Typ: Hardcover, Sprachversion: Englisch, Geschrieben von: Daniela Witten, Robert Tibshirani, Trevor Hastie

★ 4.9

78,45 €

Bester Preis bei preigu.de

Möglicherweise ausverkauft·

3,00 €

Möglicherweise ausverkauft

3,00 €

Preisdetails

Der niedrigste Preis für ein neues Isbn Einführung in das Statistische Lernen 2E : mit Anwendungen in R beträgt 78,45 €. Dies ist derzeit das günstigste Angebot aus 4 Shops.

Produktinformationen

Einführung in das Statistische Lernen bietet einen zugänglichen Überblick über das Gebiet des statistischen Lernens, ein wesentliches Werkzeug, um die umfangreichen und komplexen Datensätze zu verstehen, die in den letzten zwanzig Jahren in Bereichen von Biologie über Finanzen bis hin zu Marketing und Astrophysik entstanden sind. Dieses Buch präsentiert einige der wichtigsten Modellierungs- und Vorhersagetechniken sowie relevante Anwendungen. Zu den Themen gehören lineare Regression, Klassifizierung, Resampling-Methoden, Shrinkage-Ansätze, baumbasierte Methoden, Support-Vektor-Maschinen, Clusteranalyse, Deep Learning, Überlebensanalyse, Mehrfachtests und mehr.
Farbgrafiken und reale Beispiele werden verwendet, um die präsentierten Methoden zu veranschaulichen. Da das Ziel dieses Lehrbuchs darin besteht, die Anwendung dieser statistischen Lerntechniken für Praktiker in Wissenschaft, Industrie und anderen Bereichen zu erleichtern, enthält jedes Kapitel ein Tutorial zur Implementierung der in R präsentierten Analysen und Methoden, einer äußerst beliebten Open-Source-Statistiksoftware-Plattform. Zwei der Autoren haben gemeinsam The Elements of Statistical Learning (Hastie, Tibshirani und Friedman, 2. Auflage 2009) verfasst, ein beliebtes Nachschlagewerk für Statistiker und Forscher im Bereich maschinelles Lernen.
Einführung in das Statistische Lernen behandelt viele der gleichen Themen, jedoch auf einem Niveau, das einem viel breiteren Publikum zugänglich ist. Dieses Buch richtet sich an Statistiker und Nicht-Statistiker, die modernste statistische Lerntechniken zur Analyse ihrer Daten verwenden möchten. Der Text setzt lediglich einen vorherigen Kurs in linearer Regression und keine Kenntnisse in Matrizenalgebra voraus.
Diese zweite Auflage enthält neue Kapitel zu Deep Learning, Überlebensanalyse und Mehrfachtests sowie erweiterte Behandlungen von naive Bayes, verallgemeinerten linearen Modellen, bayesianischen additiven Regressionsbäumen und Matrixvervollständigung. Der R-Code wurde aktualisiert, um die Kompatibilität sicherzustellen.