The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition (Springer Series in Statistics)
Kurzinformation
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage

Beschreibung
"The Elements of Statistical Learning: Data Mining, Inference, and Prediction" von Jerome Friedman, Trevor Hastie und Robert Tibshirani ist ein umfassendes Werk, das sich mit den theoretischen Grundlagen und praktischen Anwendungen des maschinellen Lernens und der Statistik befasst. Die zweite Auflage dieses Buches bietet eine detaillierte Einführung in eine Vielzahl von Themen, darunter lineare Methoden für die Regression und Klassifikation, nichtlineare Modelle wie Entscheidungsbäume und neuronale Netze sowie unsupervised learning Techniken wie Clustering. Das Buch behandelt auch fortgeschrittene Themen wie Ensemble-Methoden (z.B. Bagging und Boosting), Support Vector Machines und Modellbewertungstechniken. Es kombiniert mathematische Rigorosität mit praktischen Beispielen und ist sowohl für Studierende als auch für Fachleute geeignet, die ein tieferes Verständnis der statistischen Lernverfahren erlangen möchten. Zahlreiche Abbildungen und Algorithmen unterstützen das Verständnis komplexer Konzepte. Das Werk gilt als Standardreferenz in der Statistik-Community und im Bereich des maschinellen Lernens.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- Gebunden
- 336 Seiten
- Erschienen 2011
- Springer
- Gebunden
- 338 Seiten
- Erschienen 2006
- Springer
- Gebunden
- 316 Seiten
- Erschienen 2011
- Springer
- Gebunden
- 364 Seiten
- Erschienen 2012
- Springer
- Hardcover
- 622 Seiten
- Erschienen 2017
- Packt Publishing
- paperback
- 763 Seiten
- Erschienen 2016
- Springer
- paperback
- 380 Seiten
- Erschienen 2019
- Springer
- Taschenbuch
- 448 Seiten
- Erschienen 2013
- Wiley
- Gebunden
- 302 Seiten
- Erschienen 2008
- Springer
- Gebundene Ausgabe
- 514 Seiten
- Erschienen 2020
- Wiley



