An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics)
Kurzinformation
inkl. MwSt. Versandinformationen
Artikel zZt. nicht lieferbar
Artikel zZt. nicht lieferbar

Beschreibung
"An Introduction to Statistical Learning: with Applications in R" von Trevor Hastie und seinen Mitautoren ist ein umfassendes Lehrbuch, das sich mit den Grundlagen des maschinellen Lernens und der statistischen Datenanalyse beschäftigt. Es richtet sich vor allem an Leser, die praktische Anwendungen im Bereich der Statistik und Datenwissenschaft erlernen möchten, insbesondere unter Verwendung der Programmiersprache R. Das Buch deckt eine Vielzahl von Themen ab, darunter lineare Regression, Klassifikation, Resampling-Methoden, Shrinkage-Ansätze, Baumverfahren, Support Vector Machines und Clustering. Jedes Kapitel bietet sowohl theoretische Erklärungen als auch praktische Beispiele und Übungen in R, um das Verständnis zu vertiefen. Ein besonderer Fokus liegt auf der Anwendung dieser Methoden zur Lösung realer Probleme in verschiedenen Bereichen. Die Autoren legen Wert darauf, komplexe Konzepte zugänglich zu machen und bieten zahlreiche visuelle Darstellungen zur Unterstützung des Lernprozesses. Das Buch ist ideal für Studierende und Fachleute aus den Bereichen Statistik, Computerwissenschaften und verwandten Disziplinen.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
Gareth James is a professor of data sciences and operations 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 an associate professor of statistics and biostatistics at the University of Washington. Her research focuses largely on statistical machine learning in the high-dimensional setting, 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.
- Gebunden
- 745 Seiten
- Erschienen 2017
- Springer
- Gebundene Ausgabe
- 596 Seiten
- Erschienen 2020
- Springer
- Kartoniert
- 289 Seiten
- Erschienen 2001
- CRC Press
- hardcover
- 574 Seiten
- Erschienen 2013
- Springer
- paperback
- 420 Seiten
- Erschienen 2016
- Springer




