The Elements of Statistical Learning

Autor Jerome Friedman, Trevor Hastie, Robert Tibshirani

The Elements of Statistical Learning - Jerome Friedman,Trevor Hastie,Robert Tibshirani Nedostupné

The Elements of Statistical Learning

Autor Jerome Friedman, Trevor Hastie, Robert Tibshirani

0.0 z 5 hvězdiček 0 hodnocení čtenářů

Kniha ( pevná vazba )

    • Produkt je nedostupný.
Prokletí Harrow Lake

Při zaslání zboží balíčkem

K nákupu nad 2199 Kč dárek zdarma v hodnotě 349 Kč

Prokletí Harrow Lake

During the past decade there has been an explosion in computation and information technology. With it have come vast amounts of data in a variety of fields such as medicine, biology, finance, and marketing. The challenge of understanding these data has led to the development of new tools in the field of statistics, and spawned new areas such… Přejít na celý popis

Dívky v hlubinách Předobjednejte si nový thriller Lisy Reganové! Více informací

K tomuto produktu zákazníci kupují

Popis Hodnocení 0.0 z 5 hvězdiček 0 Vývoj ceny

Popis

During the past decade there has been an explosion in computation and information technology. With it have come vast amounts of data in a variety of fields such as medicine, biology, finance, and marketing. The challenge of understanding these data has led to the development of new tools in the field of statistics, and spawned new areas such as data mining, machine learning, and bioinformatics. Many of these tools have common underpinnings but are often expressed with different terminology. This book describes the important ideas in these areas in a common conceptual framework. While the approach is statistical, the emphasis is on concepts rather than mathematics. Many examples are given, with a liberal use of color graphics. It is a valuable resource for statisticians and anyone interested in data mining in science or industry. The book's coverage is broad, from supervised learning (prediction) to unsupervised learning. The many topics include neural networks, support vector machines, classification trees and boosting---the first comprehensive treatment of this topic in any book.

This major new edition features many topics not covered in the original, including graphical models, random forests, ensemble methods, least angle regression & path algorithms for the lasso, non-negative matrix factorization, and spectral clustering. There is also a chapter on methods for ``wide'' data (p bigger than n), including multiple testing and false discovery rates.

Sdílet

autoři
Jerome Friedman | Trevor Hastie | Robert Tibshirani
kategorie
Knihy » Cizojazyčná literatura » English literature » Nonfiction » Science
Témata
Nakladatel
Springer-Verlag New York Inc.
Rozměr
164 x 242 x 37
jazyk
angličtina
Vazba
pevná vazba
Hmotnost
1208 g
isbn
978-0-387-84857-0
Počet stran
745
datum vydání
9.02.2009
ean
9780387848570

Hodnocení a recenze čtenářů Nápověda

0.0 z 5 0 hodnocení čtenářů

0× 5 hvězdiček 0× 4 hvězdičky 0× 3 hvězdičky 0× 2 hvězdičky 0× 1 hvezdička

Přidejte své hodnocení knihy

Načíst další hodnocení

Zobrazit všechna hodnocení

Přidat hodnocení

Vývoj ceny

Vývoj ceny Nápověda

Získejte přehled o vývoji ceny za posledních 60 dní.

Maloobchodní cena Minimální prodejní cena: 0 Kč Nápověda

Články, které stojí za pozornost

Zobrazit blog

Články, které stojí za pozornost