توضیحات
All scientific disciplines prize predictive success. Conventional statistical analyses, however, treat prediction as secondary, instead focusing on modeling and hence estimation, testing, and detailed physical interpretation, tackling these tasks before the predictive adequacy of a model is established. This book outlines a fully predictive approach to statistical problems based on studying predictors; the approach does not require predictors correspond to a model although this important special case is included in the general approach. Throughout, the point is to examine predictive performance before considering conventional inference. These ideas are traced through five traditional subfields of statistics, helping readers to refocus and adopt a directly predictive outlook. The book also considers prediction via contemporary ‘black box’ techniques and emerging data types and methodologies where conventional modeling is so difficult that good prediction is the main criterion available for evaluating the performance of a statistical method. Well-documented open-source R code in a Github repository allows readers to replicate examples and apply techniques to other investigations. Read more…
Aimed at statisticians and machine learners, this retooling of statistical theory asserts that high-quality prediction should be the guiding principle of modeling and learning from data, then shows
how. The fully predictive approach to statistical problems outlined embraces traditional subfields and ‘black box’ settings, with computed examples. Read more…
————————————————————–
ترجمه ماشینی :
همه رشته های علمی به موفقیت پیش بینی کننده جایزه می دهند. با این حال، تحلیلهای آماری مرسوم، پیشبینی را به عنوان ثانویه تلقی میکنند، به جای آن که بر مدلسازی و بنابراین تخمین، آزمایش، و تفسیر فیزیکی دقیق تمرکز میکنند و قبل از اینکه کفایت پیشبینی یک مدل ایجاد شود، با این وظایف مقابله میکنند. این کتاب یک رویکرد کاملاً پیشبینیکننده به مسائل آماری را بر اساس مطالعه پیشبینها تشریح میکند. رویکرد نیازی به پیشبینیکنندههای مربوط به یک مدل ندارد، اگرچه این مورد خاص مهم در رویکرد کلی گنجانده شده است. در کل، نکته این است که قبل از در نظر گرفتن استنتاج مرسوم، عملکرد پیش بینی را بررسی کنیم. این ایدهها از طریق پنج زیرشاخه سنتی آمار ردیابی میشوند و به خوانندگان کمک میکنند تا دوباره تمرکز کنند و یک چشمانداز مستقیم پیشبینی کنند. این کتاب همچنین پیشبینی از طریق تکنیکهای «جعبه سیاه» معاصر و انواع دادهها و روشهای نوظهور را در نظر میگیرد که در آن مدلسازی مرسوم آنقدر دشوار است که پیشبینی خوب معیار اصلی در دسترس برای ارزیابی عملکرد یک روش آماری است. کد R منبع باز کاملاً مستند در یک مخزن Github به خوانندگان اجازه می دهد تا نمونه ها را تکرار کنند و تکنیک ها را در تحقیقات دیگر به کار ببرند. بیشتر بخوانید…<. /span>
با هدف آمارگیران و یادگیرندگان ماشین، این ابزار مجدد تئوری آماری بیان میکند که پیشبینی با کیفیت بالا باید اصل راهنمای مدلسازی و یادگیری از دادهها باشد. سپس
را نشان می دهد. رویکرد کاملاً پیشبینیکننده به مشکلات آماری که به طور کلی مشخص شد، شامل زیرفیلدهای سنتی و تنظیمات «جعبه سیاه» با مثالهای محاسبهشده است. بیشتر بخوانید…< /span>
tag : دانلود کتاب آمار پیش بینی , Download آمار پیش بینی , دانلود آمار پیش بینی , Download Predictive statistics Book , آمار پیش بینی دانلود , buy آمار پیش بینی , خرید کتاب آمار پیش بینی , دانلود کتاب Predictive statistics , کتاب Predictive statistics , دانلود Predictive statistics , خرید Predictive statistics , خرید کتاب Predictive statistics ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.