Nowoczesne wielowymiarowe techniki statystyczne: Regresja, klasyfikacja i uczenie wielorakie

Opinie czytelników

Książka oferuje odświeżające i nowoczesne podejście do analizy wielowymiarowej, obejmujące szeroki zakres współczesnych technik i zastosowań. Jest ona odpowiednia dla zaawansowanych studentów i profesjonalistów w dziedzinie statystyki i nauki o danych, zapewniając głębię w niektórych obszarach przy jednoczesnym zachowaniu kompleksowego zakresu. Jednak może nie być idealny dla początkujących ze względu na złożony materiał i zwięzłość podstawowych tematów.

⬤ Kompleksowe omówienie nowoczesnych technik wielowymiarowych.
⬤ Odpowiedni dla zaawansowanych studentów i profesjonalistów w dziedzinie statystyki i nauki o danych.
⬤ Dobra integracja różnych zastosowań (genetyka, medycyna itp.) z przydatnymi przykładami.
⬤ Piękna prezentacja z kolorowymi wykresami i dobrze zorganizowanym układem.
⬤ Zawiera wgląd w praktyczne kwestie, takie jak jakość danych i eksploracja.

⬤ Zakłada wcześniejszą znajomość algebry macierzy i metod wielowymiarowych, co może nie odpowiadać początkującym.
⬤ Niektóre tematy, w szczególności metody bayesowskie, są niedostatecznie reprezentowane.
⬤ Rozdział omawiający algebrę macierzy/liniową jest postrzegany jako zbyt krótki i może zakłócać tok wywodu dla mniej pewnych siebie czytelników.
⬤ Może być trudny do przyswojenia dla osób niezaznajomionych z materiałem, potencjalnie wymagając dodatkowych zasobów.

(na podstawie 12 opinii czytelników)

Oryginalny tytuł:

Modern Multivariate Statistical Techniques: Regression, Classification, and Manifold Learning

Zawartość książki:

Niezwykły postęp w dziedzinie obliczeń i przechowywania danych oraz łatwa dostępność ogromnych zbiorów danych były kluczem do rozwoju nowych dyscyplin eksploracji danych i uczenia maszynowego, podczas gdy ogromny sukces Projektu Ludzkiego Genomu otworzył dziedzinę bioinformatyki.

Te ekscytujące wydarzenia, które doprowadziły do wprowadzenia wielu innowacyjnych narzędzi statystycznych do analizy danych wielowymiarowych, zostały tutaj szczegółowo opisane. Autor przyjmuje szeroką perspektywę; po raz pierwszy w książce poświęconej analizie wielowymiarowej szczegółowo omówiono metody nieliniowe, a także metody liniowe. Omówione techniki obejmują zarówno tradycyjne metody wielowymiarowe, takie jak regresja wielokrotna, składowe główne, zmienne kanoniczne, liniowa analiza dyskryminacyjna, analiza czynnikowa, grupowanie, skalowanie wielowymiarowe i analiza korespondencji, jak i nowsze metody estymacji gęstości, pościg za projekcją, sieci neuronowe, wielowymiarowa regresja zredukowana, nieliniowe uczenie wielorakie, bagging, boosting, lasy losowe, analiza składowych niezależnych, maszyny wektorów nośnych oraz drzewa klasyfikacyjne i regresyjne. Kolejną unikalną cechą tej książki jest omówienie systemów zarządzania bazami danych.

Ta książka jest odpowiednia dla zaawansowanych studentów studiów licencjackich, magisterskich i naukowców zajmujących się statystyką, informatyką, sztuczną inteligencją, psychologią, naukami kognitywnymi, biznesem, medycyną, bioinformatyką i inżynierią. Wymagana jest znajomość rachunku różniczkowego, algebry liniowej oraz rachunku prawdopodobieństwa i statystyki. Książka przedstawia starannie zintegrowane połączenie teorii i zastosowań oraz klasycznych i nowoczesnych technik statystyki wielowymiarowej, w tym metod bayesowskich. Książka zawiera ponad 60 interesujących zestawów danych wykorzystanych jako przykłady, ponad 200 ćwiczeń oraz wiele kolorowych ilustracji i zdjęć.