توضیحات
An Introduction to Statistical Learning provides an accessible overview of the field of statistical learning, an essential toolset for making sense of the vast and complex data sets that have emerged in fields ranging from biology to finance to marketing to astrophysics in the past twenty years. This book presents some of the most important modeling and prediction techniques, along with relevant applications. Topics include linear regression, classification, resampling methods, shrinkage approaches, tree-based methods, support vector machines, clustering, and more. Color graphics and real-world examples are used to illustrate the methods presented. Since the goal of this textbook is to facilitate the use of these statistical learning techniques by practitioners in science, industry, and other fields, each chapter contains a tutorial on implementing the analyses and methods presented in R, an extremely popular open source statistical software platform.
Two of the authors co-wrote The Elements of Statistical Learning (Hastie, Tibshirani and Friedman, 2nd edition 2009), a popular reference book for statistics and machine learning researchers. An Introduction to Statistical Learning covers many of the same topics, but at a level accessible to a much broader audience. This book is targeted at statisticians and non-statisticians alike who wish to use cutting-edge statistical learning techniques to analyze their data. The text assumes only a previous course in linear regression and no knowledge of matrix algebra.
————————————————————–
ترجمه ماشینی :
مقدمه ای بر یادگیری آماری یک نمای کلی در دسترس از حوزه یادگیری آماری ارائه می دهد، یک مجموعه ابزار ضروری برای درک مجموعه داده های گسترده و پیچیده ای که در بیست سال گذشته در زمینه هایی از زیست شناسی گرفته تا امور مالی، بازاریابی و اخترفیزیک پدید آمده اند. این کتاب برخی از مهمترین تکنیکهای مدلسازی و پیشبینی را به همراه کاربردهای مرتبط ارائه میکند. موضوعات شامل رگرسیون خطی، طبقهبندی، روشهای نمونهگیری مجدد، رویکردهای انقباض، روشهای مبتنی بر درخت، ماشینهای بردار پشتیبان، خوشهبندی و موارد دیگر است. برای نشان دادن روش های ارائه شده از گرافیک های رنگی و نمونه های دنیای واقعی استفاده می شود. از آنجایی که هدف این کتاب درسی تسهیل استفاده از این تکنیکهای یادگیری آماری توسط متخصصان علوم، صنعت و سایر زمینهها است، هر فصل شامل آموزش پیادهسازی تحلیلها و روشهای ارائهشده در R، یک پلتفرم نرمافزار آماری منبع باز بسیار محبوب است. .
دو تن از نویسندگان کتاب «عناصر یادگیری آماری» (هستی، تیبشیرانی و فریدمن، ویرایش دوم 2009) را که یک کتاب مرجع محبوب برای محققان آمار و یادگیری ماشین است، با هم نوشتند. مقدمه ای بر یادگیری آماری بسیاری از موضوعات مشابه را پوشش می دهد، اما در سطحی قابل دسترسی برای مخاطبان بسیار گسترده تر. این کتاب برای آماردانان و غیرآماردانان به طور یکسان که مایل به استفاده از تکنیک های یاد
tag : دانلود کتاب مقدمه ای بر یادگیری آماری با کاربردها در R , Download مقدمه ای بر یادگیری آماری با کاربردها در R , دانلود مقدمه ای بر یادگیری آماری با کاربردها در R , Download An Introduction to Statistical Learning with Applications in R Book , مقدمه ای بر یادگیری آماری با کاربردها در R دانلود , buy مقدمه ای بر یادگیری آماری با کاربردها در R , خرید کتاب مقدمه ای بر یادگیری آماری با کاربردها در R , دانلود کتاب An Introduction to Statistical Learning with Applications in R , کتاب An Introduction to Statistical Learning with Applications in R , دانلود An Introduction to Statistical Learning with Applications in R , خرید An Introduction to Statistical Learning with Applications in R , خرید کتاب An Introduction to Statistical Learning with Applications in R ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.