An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics)

Name: An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics)
Price: 64.19 EUR
Availability: InStock
Author: James, Gareth und Tibshirani, Robert und Hastie, Trevor und Witten, Daniela
ISBN: 1071614207

James, Gareth und Tibshirani, Robert und Hastie, Trevor und Witten, Daniela

inkl. MwSt. Versandinformationen

Artikel zZt. nicht lieferbar

Kurzinformation

Sprache:

Englisch

ISBN:

1071614207

Verlag:

Springer

Seitenzahl:

624

Auflage:

Erschienen:

2022-07-30

Dieser Artikel steht derzeit nicht zur Verfügung!

Gebrauchte Bücher kaufen

Information

Das Buch befindet sich in einem sehr guten, unbenutzten Zustand.

Information

Das Buch befindet sich in einem sehr guten, gelesenen Zustand. Die Seiten und der Einband sind intakt. Buchrücken/Ecken/Kanten können leichte Gebrauchsspuren aufweisen.

Information

Das Buch befindet sich in einem guten, gelesenen Zustand. Die Seiten und der Einband sind intakt. Buchrücken/Ecken/Kanten können Knicke/Gebrauchsspuren aufweisen.

Information

Das Buch befindet sich in einem lesbaren Zustand. Die Seiten und der Einband sind intakt, jedoch weisen Buchrücken/Ecken/Kanten starke Knicke/Gebrauchsspuren auf. Zusatzmaterialien können fehlen.

Neues Buch oder eBook (pdf) kaufen

Information

Neuware - verlagsfrische aktuelle Buchausgabe.

Bestellen bei

Neu bestellen bei

Handgeprüfte Gebrauchtware

Schnelle Lieferung

Faire Preise

inkl. MwSt. Versandinformationen

Artikel zZt. nicht lieferbar

Weitere Zahlungsmöglichkeiten

Beschreibung

An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics)

with Applications in R

Diese Beschreibung wurde mittels künstlicher Intelligenz generiert

"An Introduction to Statistical Learning: with Applications in R" von Gareth James, Daniela Witten, Trevor Hastie und Robert Tibshirani ist ein umfassendes Lehrbuch, das sich an Leser richtet, die statistische Lerntechniken und deren Anwendungen verstehen möchten. Das Buch bietet eine Einführung in wichtige Konzepte des maschinellen Lernens und der Statistik, wobei der Schwerpunkt auf praktischen Anwendungen liegt. Es behandelt Themen wie lineare Regression, Klassifikationsmethoden, Resampling-Methoden, Modellbewertung und -auswahl sowie nicht-lineare Modelle. Darüber hinaus werden fortgeschrittenere Techniken wie Support Vector Machines (SVM), Entscheidungsbäume und Clustering erläutert. Jedes Kapitel enthält praktische Beispiele und Übungen mit dem Fokus auf die Umsetzung in R, einer weit verbreiteten Programmiersprache für statistische Analysen. Das Buch ist sowohl für Anfänger als auch für Fortgeschrittene geeignet und wird häufig als Lehrmaterial in Universitätskursen verwendet. Es verbindet theoretisches Wissen mit praktischen Fähigkeiten zur Analyse realer Datensätze.

Produktdetails

Einband:

Kartoniert

Seitenzahl:

624

Erschienen:

2022-07-30

Sprache:

Englisch

EAN:

9781071614204

ISBN:

1071614207

Verlag:

Springer

Gewicht:

931 g

Auflage:

Alle gebrauchten Bücher werden von uns handgeprüft.
So garantieren wir Dir zu jeder Zeit Premiumqualität.

Über den Autor

James, Gareth und Tibshirani, Robert und Hastie, Trevor und Witten, Daniela

Gareth James is a professor of data sciences and operations, and the E. Morgan Stanley Chair in Business Administration, at the University of Southern California. He has published an extensive body of methodological work in the domain of statistical learning with particular emphasis on high-dimensional and functional data. The conceptual framework for this book grew out of his MBA elective courses in this area. Daniela Witten is a professor of statistics and biostatistics, and the Dorothy Gilford Endowed Chair, at the University of Washington. Her research focuses largely on statistical machine learning techniques for the analysis of complex, messy, and large-scale data, with an emphasis on unsupervised learning. Trevor Hastie and Robert Tibshirani are professors of statistics at Stanford University, and are co-authors of the successful textbook Elements of Statistical Learning. Hastie and Tibshirani developed generalized additive models and wrote a popular book of that title. Hastie co-developed much of the statistical modeling software and environment in R/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.