دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Subset Selection in Regression
دانلود کتاب انتخاب زیر مجموعه در رگرسیون
مشخصات کتاب
Subset Selection in Regression
ویرایش:
نویسندگان: Alan Miller
سری:
ISBN (شابک) : 1584881712
ناشر: CRC
سال نشر: 2002
تعداد صفحات: 243
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 1 مگابایت
قیمت کتاب (تومان) : 30,000
در صورت تبدیل فایل کتاب Subset Selection in Regression 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 انتخاب زیر مجموعه در رگرسیون 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 انتخاب زیر مجموعه در رگرسیون
اولین نسخه از انتخاب زیرمجموعه در رگرسیون که در ابتدا در سال 1990 منتشر شد، شکاف قابل توجهی را در ادبیات پر کرد و موفقیت انتقادی و مردمی آن برای بیش از یک دهه ادامه داشت. ویرایش دوم که به طور کامل برای بازتاب پیشرفت در تئوری، روش‌ها و قدرت محاسباتی بازنگری شده است، نوید ادامه این سنت را می‌دهد. نویسنده هر فصل را به طور کامل به روز کرده است، مطالب جدیدی را در مورد پیشرفت های اخیر گنجانده است، و مثال ها و مراجع بیشتری را شامل می شود. جدید در ویرایش دوم: فصل جداگانه ای در مورد روش های بیزی بازنگری کامل فصل تخمین یک مثال عمده از حوزه طیف سنجی فروسرخ نزدیک تأکید بیشتر بر اعتبارسنجی متقابل تمرکز بیشتر بر راه اندازی الگوریتم های تصادفی برای یافتن زیرمجموعه های خوب از تعداد زیادی پیش بینی کننده هنگامی که جستجوی جامع امکان پذیر نیست نرم افزار موجود در اینترنت برای پیاده سازی بسیاری از الگوریتم های ارائه شده نمونه های بیشتر انتخاب زیر مجموعه در رگرسیون، ویرایش دوم به تکنیک های برازش و انتخاب مدل هایی که در پارامترهای خود خطی هستند و درک و تصحیح تعصب با انتخاب مدلی معرفی شد که فقط کمی بهتر از سایرین تناسب دارد. ارائه واضح، مختصر است و در قفسه افرادی است که در حال تحقیق، استفاده یا آموزش تکنیک های انتخاب زیرمجموعه هستند.
توضیحاتی درمورد کتاب به خارجی
Originally published in 1990, the first edition of Subset Selection in Regression filled a significant gap in the literature, and its critical and popular success has continued for more than a decade. Thoroughly revised to reflect progress in theory, methods, and computing power, the second edition promises to continue that tradition. The author has thoroughly updated each chapter, incorporated new material on recent developments, and included more examples and references. New in the Second Edition: A separate chapter on Bayesian methods Complete revision of the chapter on estimation A major example from the field of near infrared spectroscopy More emphasis on cross-validation Greater focus on bootstrapping Stochastic algorithms for finding good subsets from large numbers of predictors when an exhaustive search is not feasible Software available on the Internet for implementing many of the algorithms presented More examples Subset Selection in Regression, Second Edition remains dedicated to the techniques for fitting and choosing models that are linear in their parameters and to understanding and correcting the bias introduced by selecting a model that fits only slightly better than others. The presentation is clear, concise, and belongs on the shelf of anyone researching, using, or teaching subset selecting techniques.
