Nowoczesne wielowymiarowe techniki statystyczne: Regresja, klasyfikacja i uczenie wielorakie

Opinie czytelników

Książka zapewnia nowoczesne i kompleksowe podejście do analizy wielowymiarowej, omawiając różnorodne techniki i metody z naciskiem na praktyczne zastosowanie i współczesne zagadnienia w statystyce. Zawiera liczne przykłady i jest atrakcyjna wizualnie, dzięki czemu jest przydatna dla studentów i profesjonalistów. Jednak jego głębokość może stanowić wyzwanie dla początkujących i może brakować dogłębnego pokrycia niektórych metod bayesowskich.

⬤ Oferuje świeże spojrzenie na analizę wielowymiarową i eksplorację danych.
⬤ Obejmuje szeroki zakres nowoczesnych technik, w tym metody nieparametryczne, uczenie maszynowe i algorytmy klasyfikacji.
⬤ Zawiera liczne rzeczywiste przykłady i kolorowe wykresy, które zwiększają zrozumienie.
⬤ Dobrze skonstruowana jako kompleksowe źródło informacji dla studentów i profesjonalistów.
⬤ Akademicka dokładność z obszerną bibliografią i ćwiczeniami.

⬤ Może nie być odpowiednia dla początkujących lub tych, którzy nie są jeszcze zaznajomieni z materiałem.
⬤ Brak dogłębnej dyskusji na temat metod bayesowskich.
⬤ Niektóre rozdziały, takie jak ten poświęcony algebrze macierzy, mogą zakłócać płynność i onieśmielać mniej pewnych siebie czytelników.
⬤ Uznawana za trudną lekturę dla osób uczących się po raz pierwszy w porównaniu z bardziej wprowadzającymi tekstami.

(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.