Statystyczne uczenie się dla dużych zależnych danych

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.

Oryginalny tytuł:

Statistical Learning for Big Dependent Data

Zawartość książki:

Niniejsza książka przedstawia metody przydatne do analizy i zrozumienia dużych zbiorów danych, które są dynamicznie zależne. Książka rozpoczyna się od przykładów wielowymiarowych danych zależnych i narzędzi do prezentacji statystyk opisowych takich danych. Następnie wprowadza kilka przydatnych metod statystycznych do analizy jednowymiarowych szeregów czasowych, kładąc nacisk na procedury statystyczne do modelowania i prognozowania. Omawiane są zarówno modele liniowe, jak i nieliniowe. Szczególną uwagę poświęcono analizie danych zależnych o wysokiej częstotliwości.

W drugiej części książki rozważana jest wspólna zależność, zarówno współczesna, jak i dynamiczna, między wieloma seriami zależnych danych. Szczególna uwaga zostanie poświęcona metodom graficznym dla dużych danych, obsłudze niejednorodności w szeregach czasowych (takich jak wartości odstające, brakujące wartości i zmiany w macierzach kowariancji) oraz zmiennym w czasie parametrom dla wielowymiarowych szeregów czasowych. Trzecia część książki poświęcona jest analizie wielowymiarowych danych zależnych. Skupiono się na zagadnieniach przydatnych w przypadku dużej liczby szeregów czasowych. Wybrane tematy obejmują grupowanie szeregów czasowych, wysokowymiarową regresję liniową dla danych zależnych i jej zastosowania oraz redukcję wymiaru za pomocą dynamicznych składowych głównych i modeli czynnikowych. W całej książce podano zalety i wady omawianych metod, a do demonstracji wykorzystano rzeczywiste przykłady.

Książka będzie interesująca dla studentów, badaczy i praktyków w biznesie, ekonomii, inżynierii i naukach ścisłych, którzy są zainteresowani metodami statystycznymi do analizy dużych danych zależnych i prognozowania.