Isbn Elemente des statistischen Lernens 2E: Data Mining, Inferenz und Vorhersage Buch Computing & Internet Englisch Hardcover 768 Seiten

Name: Isbn Elemente des statistischen Lernens 2E: Data Mining, Inferenz und Vorhersage Buch Computing & Internet Englisch Hardcover 768 Seiten
Brand: ISBN
SKU: 9780387848570

Isbn Elemente des statistischen Lernens 2E: Data Mining, Inferenz und Vorhersage Buch Computing & Internet Englisch Hardcover 768 Seiten thumbnail

-44%

Preisalarm

ISBN Elemente des statistischen Lernens 2E: Data Mining, Inferenz und Vorhersage. Genre: Computing & Internet, Buchcover-Typ: Hardcover, Sprachversion: Englisch. Breite: 155 mm, Höhe: 235 mm

★ 4.9

46,69 €

Bester Preis bei medimops.de

-44%

Preisalarm

ISBN Elemente des statistischen Lernens 2E: Data Mining, Inferenz und Vorhersage. Genre: Computing & Internet, Buchcover-Typ: Hardcover, Sprachversion: Englisch. Breite: 155 mm, Höhe: 235 mm

★ 4.9

46,69 €

Bester Preis bei medimops.de

Preisalarm

ISBN Elemente des statistischen Lernens 2E: Data Mining, Inferenz und Vorhersage. Genre: Computing & Internet, Buchcover-Typ: Hardcover, Sprachversion: Englisch. Breite: 155 mm, Höhe: 235 mm

★ 4.9

46,69 €

Bester Preis bei medimops.de

Preisdetails

Der niedrigste Preis für ein neues Isbn Elemente des statistischen Lernens 2E: Data Mining, Inferenz und Vorhersage Buch Computing & Internet Englisch Hardcover 768 Seiten beträgt 46,69 €. Dies ist derzeit das günstigste Angebot aus 3 Shops.

Produktinformationen

In den letzten zehn Jahren hat es eine Explosion in der Computer- und Informationstechnologie gegeben. Damit kamen riesige Mengen an Daten aus verschiedenen Bereichen wie Medizin, Biologie, Finanzen und Marketing. Die Herausforderung, diese Daten zu verstehen, hat zur Entwicklung neuer Werkzeuge im Bereich der Statistik geführt und neue Bereiche wie Data Mining, maschinelles Lernen und Bioinformatik hervorgebracht. Viele dieser Werkzeuge haben gemeinsame Grundlagen, werden jedoch häufig mit unterschiedlicher Terminologie ausgedrückt. Dieses Buch beschreibt die wichtigen Ideen in diesen Bereichen in einem gemeinsamen konzeptionellen Rahmen. Obwohl der Ansatz statistisch ist, liegt der Schwerpunkt auf Konzepten und nicht auf Mathematik. Viele Beispiele werden gegeben, mit großzügigem Einsatz von Farbgrafiken. Es ist eine wertvolle Ressource für Statistiker und alle, die sich für Data Mining in Wissenschaft oder Industrie interessieren. Der Umfang des Buches ist umfangreich, von überwachtem Lernen (Vorhersage) bis hin zu unüberwachtem Lernen. Die vielen Themen umfassen neuronale Netze, Support Vector Machines, Klassifikationsbäume und Boosting - die erste umfassende Behandlung dieses Themas in einem Buch. Diese wichtige neue Auflage behandelt viele Themen, die in der Originalausgabe nicht behandelt wurden, darunter grafische Modelle, zufällige Wälder, Ensemble-Methoden, least angle regression & Pfadalgorithmen für den Lasso, nicht-negative Matrixfaktorierung und spektrales Clustering. Es gibt auch ein Kapitel über Methoden für 'breite' Daten (p größer als n), einschließlich mehrfacher Tests und falscher Entdeckungsraten. Trevor Hastie, Robert Tibshirani und Jerome Friedman sind Professoren für Statistik an der Stanford University. Sie sind führende Forscher auf diesem Gebiet: Hastie und Tibshirani entwickelten verallgemeinerte additive Modelle und schrieben ein beliebtes Buch mit diesem Titel. Hastie entwickelte einen Großteil der statistischen Modellierungssoftware und -umgebung in R/S-PLUS und erfand Hauptkurven und -flächen. Tibshirani schlug den Lasso vor und ist Mitautor des sehr erfolgreichen Buches „Eine Einführung in das Bootstrap“. Friedman ist Mit-Erfinder vieler Data-Mining-Tools, darunter CART, MARS, Projektionstreibjagd und Gradient Boosting.