ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب The Elements of Statistical Learning

دانلود کتاب عناصر یادگیری آماری

The Elements of Statistical Learning

مشخصات کتاب

The Elements of Statistical Learning

دسته بندی: آموزشی
ویرایش:  
نویسندگان: , ,   
سری:  
 
ناشر:  
سال نشر: 2001 
تعداد صفحات: 524 
زبان: English 
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت

قیمت کتاب (تومان) : 49,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 11


در صورت تبدیل فایل کتاب The Elements of Statistical Learning 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 عناصر یادگیری آماری 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 عناصر یادگیری آماری

در دهه گذشته انفجاری در محاسبات و فناوری اطلاعات رخ داده است. داده های زیادی در زمینه های مختلف مانند پزشکی، زیست شناسی، مالی و بازاریابی به همراه آن ارائه شده است. چالش درک این داده ها منجر به توسعه ابزارهای جدید در زمینه آمار شده است و زمینه های جدیدی مانند داده کاوی، یادگیری ماشینی و بیوانفورماتیک را به وجود آورده است. بسیاری از این ابزارها دارای زیربنای مشترک هستند اما اغلب با اصطلاحات مختلف بیان می شوند. این کتاب ایده های مهم در این زمینه ها را در چارچوب مفهومی مشترک تشریح می کند. در حالی که رویکرد آماری است، تاکید بر مفاهیم به جای ریاضیات است. مثال های زیادی با استفاده آزادانه از گرافیک رنگی ارائه شده است. این باید یک منبع ارزشمند برای آماردانان و هر کسی که علاقه مند به داده کاوی در علم یا صنعت است. پوشش کتاب گسترده است، از یادگیری تحت نظارت (پیش بینی) تا یادگیری بدون نظارت. بسیاری از موضوعات شامل شبکه های عصبی، ماشین های بردار پشتیبان، درختان طبقه بندی و تقویت - اولین درمان جامع این موضوع در هر کتاب است. تروور هستی، رابرت تبشیرانی و جروم فریدمن استادان آمار در دانشگاه استنفورد هستند. آنها محققین برجسته ای در این زمینه هستند: هستی و تبشیرانی مدل های افزایشی تعمیم یافته را توسعه دادند و کتاب محبوبی با این عنوان نوشتند. هستی بسیاری از نرم افزارهای مدل سازی آماری را در S-PLUS نوشت و منحنی ها و سطوح اصلی را اختراع کرد. تیبشیرانی کمند را پیشنهاد کرد و یکی از نویسندگان کتاب بسیار موفق An Introduction to the Bootstrap است. فریدمن مخترع بسیاری از ابزارهای داده کاوی از جمله CART، MARS و پروجکشن pursuit است.


توضیحاتی درمورد کتاب به خارجی

During the past decade there has been an explosion in computation and information technology. With it has come vast amounts of data in a variety of fields such as medicine, biology, finance, and marketing. The challenge of understanding these data has led to the development of new tools in the field of statistics, and spawned new areas such as data mining, machine learning, and bioinformatics.Many of these tools have common underpinnings but are often expressed with different terminology. This book describes the important ideas in these areas in a common conceptual framework. While the approach is statistical, the emphasis is on concepts rather than mathematics. Many examples are given, with a liberal use of color graphics. It should be a valuable resource for statisticians and anyone interested in data mining in science or industry. The book's coverage is broad, from supervised learning (prediction) to unsupervised learning. The many topics include neural networks, support vector machines, classification trees and boosting-the first comprehensive treatment of this topic in any book. Trevor Hastie, Robert Tibshirani, and Jerome Friedman are professors of statistics at Stanford University. They are prominent researchers in this area: Hastie and Tibshirani developed generalized additive models and wrote a popular book of that title. Hastie wrote much of the statistical modeling software in S-PLUS and invented principal curves and surfaces. Tibshirani proposed the Lasso and is co-author of the very successful An Introduction to the Bootstrap. Friedman is the co-inventor of many data-mining tools including CART, MARS, and projection pursuit.





نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی