Ocena:
Książka otrzymuje mieszane recenzje, chwalona za kompleksowe omówienie wykrywania i analizy wartości odstających z przyzwoitą równowagą teorii i zastosowań. Jednak niektórzy czytelnicy uważają, że czytanie jej jest męczące, a w niektórych egzemplarzach odnotowano niską jakość papieru. Chociaż jest doceniana przez osoby z silnym zapleczem statystycznym, może nie być odpowiednia dla początkujących.
Zalety:⬤ Wyczerpujące i aktualne źródło informacji na temat wykrywania wartości odstających
⬤ jasno napisane z dobrą równowagą teorii, zastosowań i pojęć
⬤ odpowiednie dla statystyków i naukowców zajmujących się danymi
⬤ dobrze zorganizowane
⬤ zapewnia spójne ramy
⬤ obejmuje najnowsze osiągnięcia.
⬤ Obfita w matematykę i nieodpowiednia dla początkujących
⬤ może być męcząca i powtarzalna w czytaniu
⬤ słaba jakość papieru w niektórych egzemplarzach
⬤ brakuje przykładów kodu
⬤ wyjaśnienia mogą być niepotrzebnie skomplikowane
⬤ niektóre koncepcje mogą być zbyt rozwlekłe.
(na podstawie 12 opinii czytelników)
Outlier Analysis
Zawiera wszystkie podstawowe algorytmy analizy wartości odstających, w tym algorytmy dla zaawansowanych typów danych, w tym szczegółowe informacje na temat tego, kiedy i dlaczego poszczególne algorytmy działają skutecznie.
Omawia najnowsze pomysły w tej dziedzinie, takie jak zespoły wartości odstających, faktoryzacja macierzy, metody jądrowe i sieci neuronowe.
Obejmuje teoretyczne i praktyczne aspekty analizy wartości odstających, w tym konkretne praktyczne szczegóły dotyczące dokładnej implementacji.
Oferuje liczne ilustracje i ćwiczenia do nauczania w klasie, w tym podręcznik rozwiązań.
© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)