دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Practical Smoothing: The Joys of P-splines
دانلود کتاب هموارسازی عملی: شادی های P-splines
مشخصات کتاب
Practical Smoothing: The Joys of P-splines
ویرایش: [1 ed.] نویسندگان: Paul H.C. Eilers, Brian D. Marx سری: ISBN (شابک) : 9781108482950, 2020016639 ناشر: Cambridge University Press سال نشر: 2021 تعداد صفحات: 208 [213] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 Mb
قیمت کتاب (تومان) : 38,000
در صورت تبدیل فایل کتاب Practical Smoothing: The Joys of P-splines 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 هموارسازی عملی: شادی های P-splines 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 هموارسازی عملی: شادی های P-splines
این یک راهنمای عملی برای P-splines است، ابزاری ساده، انعطاف پذیر و قدرتمند برای صاف کردن. P-splines رگرسیون روی B-splines را با جریمه های ساده، گسسته و زبری ترکیب می کند. آنها در سال 1996 توسط نویسندگان معرفی شدند و در بسیاری از برنامه های کاربردی مختلف مورد استفاده قرار گرفته اند. مبنای رگرسیون، مدیریت داده‌های غیرعادی مانند مدل‌های خطی تعمیم‌یافته را آسان می‌کند. نویسندگان هموارسازی بهینه را با استفاده از فناوری مدل ترکیبی و تخمین بیزی نشان می‌دهند، علاوه بر ابزارهای کلاسیک مانند اعتبارسنجی متقابل و AIC، تئوری و برنامه‌ها را با کد در R پوشش می‌دهند. برای رگرسیون در سیگنال‌ها، مدل‌های ضریب متغیر، هموارسازی کمیت و انتظار، و پیوندهای ترکیبی برای داده‌های گروه‌بندی‌شده. پنالتی ها عناصر مهم P-splines هستند. با تغییرات مناسب می توانند داده های دوره ای و دایره ای و همچنین محدودیت های شکل را مدیریت کنند. ترکیب جریمه ها با محصولات تانسور B-splines این ویژگی های جذاب را به ابعاد متعدد گسترش می دهد. یک ضمیمه مقایسه ای سیستماتیک با سایر نرم کننده ها ارائه می دهد.
توضیحاتی درمورد کتاب به خارجی
This is a practical guide to P-splines, a simple, flexible and powerful tool for smoothing. P-splines combine regression on B-splines with simple, discrete, roughness penalties. They were introduced by the authors in 1996 and have been used in many diverse applications. The regression basis makes it straightforward to handle non-normal data, like in generalized linear models. The authors demonstrate optimal smoothing, using mixed model technology and Bayesian estimation, in addition to classical tools like cross-validation and AIC, covering theory and applications with code in R. Going far beyond simple smoothing, they also show how to use P-splines for regression on signals, varying-coefficient models, quantile and expectile smoothing, and composite links for grouped data. Penalties are the crucial elements of P-splines; with proper modifications they can handle periodic and circular data as well as shape constraints. Combining penalties with tensor products of B-splines extends these attractive properties to multiple dimensions. An appendix offers a systematic comparison to other smoothers.
نظرات کاربران
کتاب های تصادفی
دانلود کتاب GPU Zen 2: Advanced Rendering Techniques
دانلود کتاب Probability and Statistics for Particle Physics
