Terug Terug

Introduction To Statistical Learning with Applications in R

Name: Introduction To Statistical Learning
Rating: 4.5 (4 reviews)
Author: Gareth James

Auteur: Gareth James

Taal: Engels

4,5 5

4,5/5 (4 reviews)

Afbeeldingen

Artikel vergelijken

Vergelijk met andere artikelen

Bekijk nu

Auteur: Gareth James Daniela Witten

Co-auteur: Robert Tibshirani Trevor Hastie Daniela Witten

Engels
Hardcover
9781461471370
01 september 2017
426 pagina's

Alle productspecificaties

Gareth James

"Gareth David James (born 1 December 1984) is an English cricketer. James is a right-handed batsman who bowls leg breaks. He was born at Walthamstow, London.

(Bron: Wikipedia. Beschikbaar onder de licentie Creative Commons Naamsvermelding/Gelijk delen.)"

Alles van Gareth James

Samenvatting

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.

Productspecificaties

Inhoud

Taal: en
Bindwijze: Hardcover
Oorspronkelijke releasedatum: 01 september 2017
Aantal pagina's: 426
Illustraties: Nee

Betrokkenen

Hoofdauteur: Gareth James
Tweede Auteur: Daniela Witten
Co Auteur: Daniela Witten
Hoofduitgeverij: Springer-Verlag New York Inc.

Overige kenmerken

Editie: 1st ed. 2013, Corr. 7th printing 2017
Extra groot lettertype: Nee
Product breedte: 163 mm
Product hoogte: 25 mm
Product lengte: 239 mm
Studieboek: Ja
Verpakking breedte: 161 mm
Verpakking hoogte: 27 mm
Verpakking lengte: 243 mm
Verpakkingsgewicht: 966 g

EAN

EAN: 9781461471370

Je vindt dit artikel in

Categorieën: Wetenschap & Natuur

Computers & Informatica

Bedrijfsapplicaties

Computertechnologie

Wiskunde

Statistiek

Kunstmatige intelligentie

Kansrekening & Statistieken

Boeken
Taal: Engels
Beschikbaarheid: Leverbaar
Boek, ebook of luisterboek?: Boek
Studieboek of algemeen: Studieboeken

Reviews

Gemiddelde van 4 reviews

Hoe controleren en plaatsen wij reviews? Hoe controleren en plaatsen wij reviews?

Negatief, positief, neutraal: we zetten een review altijd online. We controleren wel eerst of ’ie voldoet aan onze reviewvoorwaarden en niet nep is. We controleren ook of ’ie is geschreven door iemand die het artikel heeft gekocht via bol.com en zetten dit er dan bij. De controles gebeuren automatisch, al kijken er soms mensen mee. Bol.com betaalt niet voor reviews. Als een reviewer door een andere partij is vergoed, staat dit in de review zelf.

Hoe controleren en plaatsen wij reviews? Hoe controleren en plaatsen wij reviews?

Sorteer op:

Prima introductie met veel uitleg
- Alev1993
- 20-29 jaar
- Wageningen
- 21 maart 2017
- Heeft dit artikel gekocht
Positieve punten
- Toegankelijk
- Heldere uitleg
Negatieve punten
- inconsistent
Hoewel de introductie ietwat zwaar en onheilspellend is, is de inhoud dat allerminst. De voorbeelden zijn doorgaans helder, en het wordt op een manier uitgelegd waarop iedereen die ooit een lesje statistiek gehad heeft het uiteindelijk kan begrijpen. Het boek heeft als uitgangspunt het toepassen van de methodes, en juist niet de wiskunde er achter.

De voorbeelden in R zijn verhelderend, en zo leer je meteen hoe de kennis in de praktijk toegepast kunnen worden. Al moet gezegd worden, het is niet het beste voorbeeld van code in de praktijk - het is vaak rommelig en de naamgeving is verwarrend.

Minpuntje is dat het boek ten tijde inconsistent is. De manier waarop een hoofdstuk geschreven is varieert zo nu en dan. Zo wordt in sommige hoofdstukken de achterliggende concepten besproken, en in andere hoofdstukken wordt dit gezien als voorbenodigde kennis. Als je hier echter doorheen leest dan is het een prima boek wat zich goed leent aan het leren van de basisprincipes van machine learning.

Vond je dit een nuttige review?

7

1
Heel goed boek
- FrisoK94
- 4 december 2017
- Heeft dit artikel gekocht
Positieve punten
- Praktisch toepasbaar
- Heldere uitleg
Goed, en duidelijk boek. Zeker aan te raden!

Vond je dit een nuttige review?

0

0
Handig boek
- Fvvd
- 30-39 jaar
- Rotterdam
- 6 juni 2017
- Heeft dit artikel gekocht
Positieve punten
- Toegankelijk
- Praktisch toepasbaar
- Heldere uitleg
Gemakkelijk geschreven duidelijk boek.

Vond je dit een nuttige review?

0

0
Fantastisch
- OnrajV
- 20-29 jaar
- 7 maart 2017
- Heeft dit artikel gekocht
Positieve punten
- Praktisch toepasbaar
- Heldere uitleg
Een heldere uitleg onderbouwd door praktische labsessies in R! Makkelijk te begrijpen dankzij de illustraties en voorbeelden.

Vond je dit een nuttige review?

0

0