مشخصات کتاب

An Introduction to Statistical Learning with Applications in R

ویرایش:  
نویسندگان: Gareth James,  Daniela Witten,  Trevor Hastie,  Robert Tibshirani  
سری:  
 
ناشر: Springer 
سال نشر: 2015 
تعداد صفحات: [436] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 10 Mb 

در صورت تبدیل فایل کتاب An Introduction to Statistical Learning with Applications in R به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب مقدمه ای بر یادگیری آماری با کاربردها در R نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب مقدمه ای بر یادگیری آماری با کاربردها در R

مقدمه ای بر یادگیری آماری یک نمای کلی در دسترس از زمینه یادگیری آماری ارائه می دهد، یک مجموعه ابزار ضروری برای درک مجموعه داده های گسترده و پیچیده ای که در زمینه های مختلف از زیست شناسی گرفته تا امور مالی، بازاریابی و اخترفیزیک در بیست سال گذشته ظهور کرده اند. این کتاب برخی از مهم‌ترین تکنیک‌های مدل‌سازی و پیش‌بینی را به همراه کاربردهای مرتبط ارائه می‌کند. موضوعات شامل رگرسیون خطی، طبقه‌بندی، روش‌های نمونه‌گیری مجدد، رویکردهای انقباض، روش‌های مبتنی بر درخت، ماشین‌های بردار پشتیبان، خوشه‌بندی و موارد دیگر است. برای نشان دادن روش های ارائه شده از گرافیک های رنگی و نمونه های دنیای واقعی استفاده می شود. از آنجایی که هدف این کتاب درسی تسهیل استفاده از این تکنیک‌های یادگیری آماری توسط متخصصان علوم، صنعت و سایر زمینه‌ها است، هر فصل شامل آموزش پیاده‌سازی تحلیل‌ها و روش‌های ارائه‌شده در R، یک پلت‌فرم نرم‌افزار آماری متن‌باز بسیار محبوب است. .
دو تن از نویسندگان کتاب «عناصر یادگیری آماری» (هستی، تیبشیرانی و فریدمن، ویرایش دوم 2009) را که یک کتاب مرجع محبوب برای محققان آمار و یادگیری ماشین است، با هم نوشتند. مقدمه ای بر یادگیری آماری بسیاری از موضوعات مشابه را پوشش می دهد، اما در سطحی قابل دسترسی برای مخاطبان بسیار گسترده تر. این کتاب برای آماردانان و غیرآماردانان به طور یکسان که مایل به استفاده از تکنیک های یادگیری آماری پیشرفته برای تجزیه و تحلیل داده های خود هستند، مورد توجه قرار گرفته است. متن فقط یک دوره قبلی در رگرسیون خطی را در نظر می گیرد و هیچ دانشی از جبر ماتریسی ندارد.

توضیحاتی درمورد کتاب به خارجی

An Introduction to Statistical Learning provides an accessible overview of the field of statistical learning, an essential toolset for making sense of the vast and complex data sets that have emerged in fields ranging from biology to finance to marketing to astrophysics in the past twenty years. This book presents some of the most important modeling and prediction techniques, along with relevant applications. Topics include linear regression, classification, resampling methods, shrinkage approaches, tree-based methods, support vector machines, clustering, and more. Color graphics and real-world examples are used to illustrate the methods presented. Since the goal of this textbook is to facilitate the use of these statistical learning techniques by practitioners in science, industry, and other fields, each chapter contains a tutorial on implementing the analyses and methods presented in R, an extremely popular open source statistical software platform.
Two of the authors co-wrote The Elements of Statistical Learning (Hastie, Tibshirani and Friedman, 2nd edition 2009), a popular reference book for statistics and machine learning researchers. An Introduction to Statistical Learning covers many of the same topics, but at a level accessible to a much broader audience. This book is targeted at statisticians and non-statisticians alike who wish to use cutting-edge statistical learning techniques to analyze their data. The text assumes only a previous course in linear regression and no knowledge of matrix algebra.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Garry Kasparov on My Great Predecessors, Part 3

دانلود کتاب Tassajara Cooking

دانلود کتاب The Voice of The Saints: Counsels from the Saints to Bring Comfort and Guidance in Daily Living

دانلود کتاب Christmas in Cleveland

دانلود کتاب Rogues: Two Essays on Reason (Meridian: Crossing Aesthetics)