دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: احتمال ویرایش: نویسندگان: Martin J. Wainwright سری: ISBN (شابک) : 1108498027;97 ناشر: Cambridge University Press سال نشر: 2019 تعداد صفحات: 571 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب آمارهای با ابعاد بالا یک دیدگاه غیر مجانبی: آمار با ابعاد بالا، غیر مجانبی
در صورت تبدیل فایل کتاب High-Dimensional Statistics A Non-Asymptotic Viewpoint 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 آمارهای با ابعاد بالا یک دیدگاه غیر مجانبی 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.
سالهای اخیر شاهد انفجاری در حجم و تنوع دادههای جمعآوریشده در رشتههای علمی از نجوم گرفته تا ژنتیک و تنظیمات صنعتی از آمازون تا اوبر بودهایم. این متن فارغ التحصیل خوانندگان را در آمار، یادگیری ماشین و زمینههای مرتبط برای درک، اعمال و تطبیق روشهای مدرن متناسب با دادههای مقیاس بزرگ مجهز میکند.
Recent years have seen an explosion in the volume and variety of data collected in scientific disciplines from astronomy to genetics and industrial settings ranging from Amazon to Uber. This graduate text equips readers in statistics, machine learning, and related fields to understand, apply, and adapt modern methods suited to large-scale data.
Cover......Page 1
Frontmatter......Page 2
List of chapters......Page 8
Contents......Page 10
Illustrations......Page 16
Acknowledgements......Page 18
1- introduction......Page 20
2 - Basic tail and concentration bounds......Page 40
3 - Concentration of measure......Page 77
4 - Uniform laws of large numbers......Page 117
5 - Metric entropy and its uses......Page 140
6 - Random matrices and covariance estimation......Page 178
7 - Sparse linear models in high dimensions......Page 213
8 - Principal component analysis in high dimensions......Page 255
9 - Decomposability and restricted strong convexity......Page 278
10 - Matrix estimation with rank constraints......Page 331
11 - Graphical models for high-dimensional data......Page 366
12 - Reproducing kernel Hilbert spaces......Page 402
13 - Nonparametric least squares......Page 435
14 - Localization and uniform laws......Page 472
15 - Minimax lower bounds......Page 504
Subject index......Page 559
reference......Page 543
Author index......Page 567