توضیحات
Kernel smoothing has greatly evolved since its inception to become an essential methodology in the Data Science tool kit for the 21st century. Its widespread adoption is due to its fundamental role for multivariate exploratory data analysis, as well as the crucial role it plays in composite solutions to complex data challenges.
Multivariate Kernel Smoothing and Its Applications offers a comprehensive overview of both aspects. It begins with a thorough exposition of the approaches to achieve the two basic goals of estimating probability density functions and their derivatives. The focus then turns to the applications of these approaches to more complex data analysis goals, many with a geometric/topological flavour, such as level set estimation, clustering (unsupervised learning), principal curves, and feature significance. Other topics, while not direct applications of density (derivative) estimation but sharing many commonalities with the previous settings, include classification (supervised learning), nearest neighbour estimation, and deconvolution for data observed with error.
For a Data Scientist, each chapter contains illustrative Open Data examples that are analysed by the most appropriate kernel smoothing method. The emphasis is always placed on an intuitive understanding of the data provided by the accompanying statistical visualisations. For a reader wishing to investigate further the details of their underlying statistical reasoning, a graduated exposition to a unified theoretical framework is provided. The algorithms for efficient software implementation are also discussed.
Jos E. Chacn is an associate professor at the Department of Mathematics of the Universidad de Extremadura in Spain. Tarn Duong is a Senior Data Scientist for a start- up which provides short distance carpooling services in France. Both authors have made important contributions to kernel smoothing research over the last couple of decades.
Tarn Duong is a Senior Data Scientist for a start-up which provides short distance carpooling services in France.
Both authors have made important contributions to kernel smoothing research over the last couple of decades.
————————————————————–
ترجمه ماشینی :
هموارسازی هسته از زمان پیدایش تا حد زیادی تکامل یافته و به یک روش اساسی در کیت ابزار علم داده برای قرن بیست و یکم تبدیل شده است. پذیرش گسترده آن به دلیل نقش اساسی آن برای تجزیه و تحلیل داده های اکتشافی چند متغیره، و همچنین نقش مهمی است که در راه حل های ترکیبی برای چالش های پیچیده داده ایفا می کند.
هموارسازی هسته چند متغیره و کاربردهای آن ارائه می دهد. مروری بر هر دو جنبه این با ارائه کامل رویکردها برای دستیابی به دو هدف اساسی تخمین توابع چگالی احتمال و مشتقات آنها آغاز می شود. سپس تمرکز روی کاربردهای این رویکردها برای اهداف تحلیل داده پیچیدهتر است، که بسیاری از آنها دارای طعم هندسی/توپولوژیکی هستند، مانند تخمین مجموعه سطح، خوشهبندی (یادگیری بدون نظارت)، منحنیهای اصلی و اهمیت ویژگی. موضوعات دیگر، اگرچه کاربرد مستقیم تخمین چگالی (مشتق) نیستند، اما دارای اشتراکات بسیاری با تنظیمات قبلی هستند، شامل طبقه بندی (یادگیری تحت نظارت)، تخمین نزدیکترین همسایه، و دکانولوشن برای داده های مشاهده شده با خطا است.
برای یک دانشمند داده، هر فصل شامل نمونههای گویای دادههای باز است که با مناسبترین روش هموارسازی هسته تحلیل میشوند. تاکید همیشه بر درک شهودی داده های ارائه شده توسط تجسم های آماری همراه است. برای خوانندهای که مایل به بررسی بیشتر جزئیات استدلال آماری زیربنایی خود است، یک توضیح درجهبندی شده برای یک چارچوب نظری یک
tag : دانلود کتاب هموارسازی هسته چند متغیره و کاربردهای آن , Download هموارسازی هسته چند متغیره و کاربردهای آن , دانلود هموارسازی هسته چند متغیره و کاربردهای آن , Download Multivariate Kernel Smoothing and Its Applications Book , هموارسازی هسته چند متغیره و کاربردهای آن دانلود , buy هموارسازی هسته چند متغیره و کاربردهای آن , خرید کتاب هموارسازی هسته چند متغیره و کاربردهای آن , دانلود کتاب Multivariate Kernel Smoothing and Its Applications , کتاب Multivariate Kernel Smoothing and Its Applications , دانلود Multivariate Kernel Smoothing and Its Applications , خرید Multivariate Kernel Smoothing and Its Applications , خرید کتاب Multivariate Kernel Smoothing and Its Applications ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.