![Слив платных курсов - скачать сливы курсов через торрент бесплатно! [Kursoff.net]](/data/assets/logo/Colorlogo-nobackground1.png){kind=logo}
Последние темы автора:
- [Гульназ Мальшакова] Мышление на миллион (2024)
- [Инна Алферова] Фасциальный лифтинг (6 поток) (2023)
- [Клиника Калинченко] Вторая фаза детоксикации в печени (Часть 1) (2024)
- [Клиника Калинченко] Вторая фаза детоксикации в печени. Часть 2 (2024)
- [Клиника Калинченко] Вторая фаза детоксикации в печени. Часть 3 (2024)
[Джеймс Г., Уиттон Д. и др.] [ДМК] Введение в статистическое обучение с примерами на Python (2024)
![[Джеймс Г., Уиттон Д. и др.] [ДМК] Введение в статистическое обучение с примерами на Python (2024)](https://kursoff.net/attachments/1731262818575-png.71092/ "[Джеймс Г., Уиттон Д. и др.] [ДМК] Введение в статистическое обучение с примерами на Python (2024)")
Книга доступным для восприятия языком описывает все разнообразие форм статистического обучения – полезного инструментария для извлечения выводов из огромных наборов данных, появившихся в последние 20 лет в самых разных областях науки. В дополнение к линейной регрессии описываются многие из наиболее значимых на сегодняшний день подходов в статистике и машинном обучении, включая методы повторной выборки, разреженные методы классификации и регрессии, обобщенные аддитивные модели, методы на основе деревьев, машины опорных векторов, глубокое обучение, анализ выживаемости или надежности, кластеризацию и множественную проверку гипотез. Повествование в книге обогащается примерами из реальной жизни.
Книга предназначена не только для опытных специалистов в области статистики, но и для тех, кто желает попробовать применить продвинутые техники статистического обучения при анализе своих данных.
Авторы этой книги принимали участие в написании ее первого издания («Введение в статистическое обучение с примерами на языке R»), которое по праву считается одним из лучших учебников в области статистики по всему миру и важнейшим справочником для специалистов в области науки о данных. Ключом к успеху книги стало то, что в каждой ее главе была приведена подробная инструкция по реализации описанных подходов на языке R. Однако в последние годы лидирующие позиции в области науки о данных прочно закрепились за языком Python, и все чаще ощущалась необходимость в соответствующем обновлении книги. И сейчас вы держите в руках книгу, вобравшую в себя все лучшее из первой книги, но полностью адаптированную под язык Python.
Даниэла Уиттон является специалистом в области биостатистики и занимает должность ассистента в университете Вашингтона.
Ее исследовательская работа в основном посвящена применению методов машинного обучения для анализа многомерных данных.
Благодаря ее вкладу, методы машинного обучения стали более широко применяться в геномных исследованиях.
Тревор Хасти и Роберт Тибширани являются профессорами статистики в Стэнфордском Университете, соавторами популярной книги «Элементы статистического обучения» и создателями обобщенных аддитивных моделей.
Проф. Хасти внес также большой вклад в разработку статистического программного обеспечения на языках R и S-PLUS и создал методы «главных кривых» и «главных поверхностей». Проф. Тибширани предложил метод лассо и является одним из авторов популярной книги «Введение в бутстреп».
Издание: Черно-белое
Оригинальное название: "An Introduction to Statistical Learning with Application in Python"
Оригинальный правообладатель: Springer
Автор: Джеймс Г., Уиттон Д., Хасти Т., Тибширани Р.
Формат: PDF.
Подробнее:
Описание:
Книга доступным для восприятия языком описывает все разнообразие форм статистического обучения – полезного инструментария для извлечения выводов из огромных наборов данных, появившихся в последние 20 лет в самых разных областях науки. В дополнение к линейной регрессии описываются многие из наиболее значимых на сегодняшний день подходов в статистике и машинном обучении, включая методы повторной выборки, разреженные методы классификации и регрессии, обобщенные аддитивные модели, методы на основе деревьев, машины опорных векторов, глубокое обучение, анализ выживаемости или надежности, кластеризацию и множественную проверку гипотез. Повествование в книге обогащается примерами из реальной жизни.
Книга предназначена не только для опытных специалистов в области статистики, но и для тех, кто желает попробовать применить продвинутые техники статистического обучения при анализе своих данных.
Авторы этой книги принимали участие в написании ее первого издания («Введение в статистическое обучение с примерами на языке R»), которое по праву считается одним из лучших учебников в области статистики по всему миру и важнейшим справочником для специалистов в области науки о данных. Ключом к успеху книги стало то, что в каждой ее главе была приведена подробная инструкция по реализации описанных подходов на языке R. Однако в последние годы лидирующие позиции в области науки о данных прочно закрепились за языком Python, и все чаще ощущалась необходимость в соответствующем обновлении книги. И сейчас вы держите в руках книгу, вобравшую в себя все лучшее из первой книги, но полностью адаптированную под язык Python.
Даниэла Уиттон является специалистом в области биостатистики и занимает должность ассистента в университете Вашингтона.
Ее исследовательская работа в основном посвящена применению методов машинного обучения для анализа многомерных данных.
Благодаря ее вкладу, методы машинного обучения стали более широко применяться в геномных исследованиях.
Тревор Хасти и Роберт Тибширани являются профессорами статистики в Стэнфордском Университете, соавторами популярной книги «Элементы статистического обучения» и создателями обобщенных аддитивных моделей.
Проф. Хасти внес также большой вклад в разработку статистического программного обеспечения на языках R и S-PLUS и создал методы «главных кривых» и «главных поверхностей». Проф. Тибширани предложил метод лассо и является одним из авторов популярной книги «Введение в бутстреп».
Издание: Черно-белое
Оригинальное название: "An Introduction to Statistical Learning with Application in Python"
Оригинальный правообладатель: Springer
Автор: Джеймс Г., Уиттон Д., Хасти Т., Тибширани Р.
Формат: PDF.
Подробнее:
