KotiRyhmätKeskusteluLisääAjan henki
Etsi sivustolta
Tämä sivusto käyttää evästeitä palvelujen toimittamiseen, toiminnan parantamiseen, analytiikkaan ja (jos et ole kirjautunut sisään) mainostamiseen. Käyttämällä LibraryThingiä ilmaiset, että olet lukenut ja ymmärtänyt käyttöehdot ja yksityisyydensuojakäytännöt. Sivujen ja palveluiden käytön tulee olla näiden ehtojen ja käytäntöjen mukaista.
Hide this

Tulokset Google Booksista

Pikkukuvaa napsauttamalla pääset Google Booksiin.

An Introduction to Statistical Learning:…
Ladataan...

An Introduction to Statistical Learning: with Applications in R (Springer… (vuoden 2013 painos)

– tekijä: Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani

JäseniäKirja-arvostelujaSuosituimmuussijaKeskimääräinen arvioKeskustelut
1802119,899 (4.63)-
An Introduction to Statistical Learning provides an accessible overview of the field of statistical learning, an essential toolset for making sense of the vast and complex data sets that have emerged in fields ranging from biology to finance to marketing to astrophysics in the past twenty years. This book presents some of the most important modeling and prediction techniques, along with relevant applications. Topics include linear regression, classification, resampling methods, shrinkage approaches, tree-based methods, support vector machines, clustering, and more. Color graphics and real-world examples are used to illustrate the methods presented. Since the goal of this textbook is to facilitate the use of these statistical learning techniques by practitioners in science, industry, and other fields, each chapter contains a tutorial on implementing the analyses and methods presented in R, an extremely popular open source statistical software platform. Two of the authors co-wrote The Elements of Statistical Learning (Hastie, Tibshirani and Friedman, 2nd edition 2009), a popular reference book for statistics and machine learning researchers. An Introduction to Statistical Learning covers many of the same topics, but at a level accessible to a much broader audience. This book is targeted at statisticians and non-statisticians alike who wish to use cutting-edge statistical learning techniques to analyze their data. The text assumes only a previous course in linear regression and no knowledge of matrix algebra.… (lisätietoja)
Jäsen:Stats
Teoksen nimi:An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics)
Kirjailijat:Gareth James
Muut tekijät:Daniela Witten, Trevor Hastie, Robert Tibshirani
Info:Springer (2013), Edition: 2013, Hardcover, 430 pages
Kokoelmat:Oma kirjasto
Arvio (tähdet):
Avainsanoja:-

Teoksen tarkat tiedot

An Introduction to Statistical Learning: with Applications in R (tekijä: Gareth James)

-
Ladataan...

Kirjaudu LibraryThingiin, niin näet, pidätkö tästä kirjasta vai et.

Ei tämänhetkisiä Keskustelu-viestiketjuja tästä kirjasta.

näyttää 2/2
519.5 I61987 2015
  ebr_mills | Mar 23, 2017 |
I was lucky to attend a MOOC course delivered by the authors of this book- Trevor Hastie and Robert Tibshirani, which was offered by Stanford University. The book presents a balanced amount of theory and practice of the Statistical (Machine) Learning topic with not-in-depth emphasis on mathematical details. It provides the right amount of know-how for those interested to start working in the Data Science field and in Machine Learning, in specific.

Unlike many other references the book has an edge, especially for Data Scientists using R, of putting every chapter’s concept into R practice through the end-of-chapter R Labs. It is an excellent practical guide to implement Machine Learning especially that it explains the pros and cons of many algorithms used in addition to the emphasis on data processing and cleaning before doing Learning.

The book is a must-read for any one embarking on the journey of Data Science as a profession. ( )
  Mohammedkb | Mar 15, 2016 |
näyttää 2/2
ei arvosteluja | lisää arvostelu

» Lisää muita tekijöitä

Tekijän nimiRooliTekijän tyyppiKoskeeko teosta?Tila
Gareth Jamesensisijainen tekijäkaikki painoksetlaskettu
Hastie, Trevorpäätekijäkaikki painoksetvahvistettu
Tibshirani, Robertpäätekijäkaikki painoksetvahvistettu
Whitten, Danielapäätekijäkaikki painoksetvahvistettu

Kuuluu näihin sarjoihin

Sinun täytyy kirjautua sisään voidaksesi muokata Yhteistä tietoa
Katso lisäohjeita Common Knowledge -sivuilta (englanniksi).
Kanoninen teoksen nimi
Tiedot englanninkielisestä Yhteisestä tiedosta. Muokkaa kotoistaaksesi se omalle kielellesi.
Alkuteoksen nimi
Teoksen muut nimet
Alkuperäinen julkaisuvuosi
Henkilöt/hahmot
Tärkeät paikat
Tärkeät tapahtumat
Kirjaan liittyvät elokuvat
Palkinnot ja kunnianosoitukset
Epigrafi (motto tai mietelause kirjan alussa)
Omistuskirjoitus
Ensimmäiset sanat
Sitaatit
Viimeiset sanat
Erotteluhuomautus
Julkaisutoimittajat
Kirjan kehujat
Alkuteoksen kieli
Kanoninen DDC/MDS
Kanoninen LCC

Viittaukset tähän teokseen muissa lähteissä.

Englanninkielinen Wikipedia (1)

An Introduction to Statistical Learning provides an accessible overview of the field of statistical learning, an essential toolset for making sense of the vast and complex data sets that have emerged in fields ranging from biology to finance to marketing to astrophysics in the past twenty years. This book presents some of the most important modeling and prediction techniques, along with relevant applications. Topics include linear regression, classification, resampling methods, shrinkage approaches, tree-based methods, support vector machines, clustering, and more. Color graphics and real-world examples are used to illustrate the methods presented. Since the goal of this textbook is to facilitate the use of these statistical learning techniques by practitioners in science, industry, and other fields, each chapter contains a tutorial on implementing the analyses and methods presented in R, an extremely popular open source statistical software platform. Two of the authors co-wrote The Elements of Statistical Learning (Hastie, Tibshirani and Friedman, 2nd edition 2009), a popular reference book for statistics and machine learning researchers. An Introduction to Statistical Learning covers many of the same topics, but at a level accessible to a much broader audience. This book is targeted at statisticians and non-statisticians alike who wish to use cutting-edge statistical learning techniques to analyze their data. The text assumes only a previous course in linear regression and no knowledge of matrix algebra.

Kirjastojen kuvailuja ei löytynyt.

Kirjan kuvailu
Yhteenveto haiku-muodossa

Suosituimmat kansikuvat

Pikalinkit

Arvio (tähdet)

Keskiarvo: (4.63)
0.5
1
1.5
2
2.5
3
3.5 1
4 4
4.5
5 10

Oletko sinä tämä henkilö?

Tule LibraryThing-kirjailijaksi.

 

Lisätietoja | Ota yhteyttä | LibraryThing.com | Yksityisyyden suoja / Käyttöehdot | Apua/FAQ | Blogi | Kauppa | APIs | TinyCat | Perintökirjastot | Varhaiset kirja-arvostelijat | Yleistieto | 163,324,408 kirjaa! | Yläpalkki: Aina näkyvissä