Note :
Le livre reçoit des critiques mitigées, loué pour sa couverture complète de la détection et de l'analyse des valeurs aberrantes avec un bon équilibre entre la théorie et l'application. Toutefois, certains lecteurs le trouvent fastidieux à lire, la qualité du papier étant médiocre dans certains exemplaires. Bien qu'il soit apprécié par ceux qui ont une solide formation en statistiques, il peut ne pas convenir aux débutants.
Avantages:⬤ Ressource complète et à jour sur la détection des valeurs aberrantes
⬤ clairement écrit avec un bon équilibre entre la théorie, l'application et les concepts
⬤ adapté aux statisticiens et aux scientifiques des données
⬤ bien organisé
⬤ fournit un cadre cohérent
⬤ couvre les développements récents.
⬤ Très mathématique et ne convient pas aux débutants
⬤ peut être fastidieux et répétitif à lire
⬤ mauvaise qualité du papier dans certaines copies
⬤ manque d'exemples de code
⬤ les explications peuvent être inutilement compliquées
⬤ certains concepts peuvent être exagérément verbeux.
(basé sur 12 avis de lecteurs)
Outlier Analysis
Fournit tous les algorithmes fondamentaux pour l'analyse des valeurs aberrantes dans les moindres détails, y compris ceux pour les types de données avancés, avec des aperçus spécifiques sur le moment et la raison pour laquelle certains algorithmes fonctionnent efficacement.
Examine les idées les plus récentes dans le domaine, telles que les ensembles de valeurs aberrantes, la factorisation matricielle, les méthodes à noyau et les réseaux neuronaux.
Couvre les aspects théoriques et pratiques de l'analyse des valeurs aberrantes, y compris les détails pratiques spécifiques pour une mise en œuvre précise.
Offre de nombreuses illustrations et exercices pour l'enseignement en classe, y compris un manuel de solution.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)