Statistical Learning from a Regression Perspective

این کتاب درسی زمانی کاربردهای یادگیری آماری را در نظر می‌گیرد که علاقه به توزیع شرطی متغیر پاسخ، با توجه به مجموعه‌ای از پیش‌بینی‌کننده‌ها، و زمانی که مشخص کردن چگونگی ارتباط پیش‌بینی‌کننده‌ها با پاسخ مهم است، مورد توجه قرار می‌گیرد. به عنوان اولین تقریب، این را می توان به عنوان توسعه رگرسیون ناپارامتری در نظر گرفت.
این ویرایش جدید کاملاً اصلاح شده شامل تحولات مهمی در 8 سال گذشته است. مطابق با تجزیه و تحلیل داده های مدرن، تاکید می کند که تجزیه و تحلیل داده های یادگیری آماری مناسب از جمع آوری داده های صحیح، مدیریت هوشمند داده ها، رویه های آماری مناسب و تفسیر قابل دسترس نتایج ناشی می شود. تأکید مداوم بر مفاهیم برای تمرین در متن وجود دارد. از جمله روش‌های یادگیری آماری مورد بررسی، کیسه‌بندی، جنگل‌های تصادفی، تقویت، ماشین‌های بردار پشتیبانی و شبکه‌های عصبی هستند. متغیرهای پاسخ ممکن است کمی یا طبقه ای باشند. همانطور که در نسخه اول، یک موضوع متحد کننده، یادگیری تحت نظارت است که می تواند به عنوان شکلی از تحلیل رگرسیون در نظر گرفته شود.
مفاهیم و رویه های کلیدی با کاربردهای واقعی، به ویژه آنهایی که مفاهیم کاربردی دارند، نشان داده شده اند. یک مثال اصلی نیاز به در نظر گرفتن صریح هزینه های نامتقارن در فرآیند اتصال است. به عنوان مثال، در برخی شرایط ممکن است هزینه های مثبت کاذب بسیار کمتر از منفی های کاذب باشد. همچنین افسانه های مفیدی مانند عدم واگذاری خودکار تصمیمات تجزیه و تحلیل داده ها به یک الگوریتم مناسب ارائه شده است. در بسیاری از تنظیمات، دانش موضوعی باید بر معیارهای تناسب رسمی غلبه کند. پیام مهم دیگر این است که از محدودیت داده‌های خود قدردانی کنید و از روش‌های یادگیری آماری استفاده نکنید که به بیش از آنچه که داده‌ها می‌توانند ارائه کنند، نیاز دارند.
این مطالب برای سطوح بالای لیسانس و دانشجویان کارشناسی ارشد در علوم اجتماعی و زیستی و برای محققان نوشته شده است. کسانی که می خواهند روش های یادگیری آماری را برای مسائل علمی و سیاست گذاری به کار گیرند. نویسنده از این کتاب در درس رگرسیون مدرن برای علوم اجتماعی، رفتاری و زیستی استفاده می کند. توضیحات شهودی و بازنمایی های بصری برجسته هستند. همه آنالیزهای موجود در R با کد ارائه شده به طور معمول انجام می شود.

This textbook considers statistical learning applications when interest centers on the conditional distribution of the response variable, given a set of predictors, and when it is important to characterize how the predictors are related to the response. As a first approximation, this can be seen as an extension of nonparametric regression.
This fully revised new edition includes important developments over the past 8 years. Consistent with modern data analytics, it emphasizes that a proper statistical learning data analysis derives from sound data collection, intelligent data management, appropriate statistical procedures, and an accessible interpretation of results. A continued emphasis on the implications for practice runs through the text. Among the statistical learning procedures examined are bagging, random forests, boosting, support vector machines and neural networks. Response variables may be quantitative or categorical. As in the first edition, a unifying theme is supervised learning that can be treated as a form of regression analysis.
Key concepts and procedures are illustrated with real applications, especially those with practical implications. A principal instance is the need to explicitly take into account asymmetric costs in the fitting process. For example, in some situations false positives may be far less costly than false negatives. Also provided is helpful craft lore such as not automatically ceding data analysis decisions to a fitting algorithm. In many settings, subject-matter knowledge should trump formal fitting criteria. Yet another important message is to appreciate the limitation of one’s data and not apply statistical learning procedures that require more than the data can provide.
The material is written for upper undergraduate level and graduate students in the social and life sciences and for researchers who want to apply statistical learning procedures to scientific and policy problems. The author uses this book in a course on modern regression for the social, behavioral, and biological sciences. Intuitive explanations and visual representations are prominent. All of the analyses included are done in R with code routinely provided.