Avis des lecteurs
Résumé:Ce livre propose une approche rafraîchissante et moderne de l'analyse multivariée, couvrant un large éventail de techniques et d'applications contemporaines. Il est bien adapté aux étudiants avancés et aux professionnels de la statistique et de la science des données, car il approfondit certains domaines tout en restant complet. Cependant, il peut ne pas être idéal pour les débutants en raison de son matériel complexe et de la brièveté des sujets fondamentaux.
Avantages:⬤ Couverture complète des techniques multivariées modernes.
⬤ Convient aux étudiants avancés et aux professionnels de la statistique et de la science des données.
⬤ Bonne intégration de diverses applications (génétique, médecine, etc.) avec des exemples utiles.
⬤ Belle présentation avec des graphiques en couleur et une mise en page bien structurée.
⬤ Comprend des aperçus sur des questions pratiques telles que la qualité des données et l'exploration.
⬤ Suppose une connaissance préalable de l'algèbre matricielle et des méthodes multivariées, ce qui peut ne pas convenir aux débutants.
⬤ Certains sujets, en particulier les méthodes bayésiennes, sont sous-représentés.
⬤ Le chapitre consacré à l'algèbre matricielle/linéaire est considéré comme trop bref et peut perturber le flux pour les lecteurs moins confiants.
⬤ L'apprentissage peut s'avérer difficile pour ceux qui ne sont pas familiarisés avec le matériel, ce qui peut nécessiter des ressources supplémentaires.
(basé sur 12 avis de lecteurs)
Titre original :
Modern Multivariate Statistical Techniques: Regression, Classification, and Manifold Learning
Contenu du livre :
Les progrès remarquables en matière de calcul et de stockage des données et la disponibilité immédiate d'énormes ensembles de données ont été les clés de la croissance des nouvelles disciplines de l'exploration des données et de l'apprentissage automatique, tandis que l'énorme succès du projet du génome humain a ouvert le champ de la bio-informatique.
Ces développements passionnants, qui ont conduit à l'introduction de nombreux outils statistiques innovants pour l'analyse de données à haute dimension, sont décrits ici en détail. L'auteur adopte une perspective large ; pour la première fois dans un livre sur l'analyse multivariée, les méthodes non linéaires sont discutées en détail au même titre que les méthodes linéaires. Les techniques couvertes vont des méthodes multivariées traditionnelles, telles que la régression multiple, les composantes principales, les variables canoniques, l'analyse discriminante linéaire, l'analyse factorielle, le clustering, la mise à l'échelle multidimensionnelle et l'analyse des correspondances, aux méthodes plus récentes d'estimation de la densité, de poursuite de la projection, de réseaux neuronaux, de régression multivariée à rang réduit, d'apprentissage manifold non linéaire, de bagging, de boosting, de forêts aléatoires, d'analyse des composantes indépendantes, de machines à vecteurs de support et d'arbres de classification et de régression. Une autre caractéristique unique de cet ouvrage est la discussion sur les systèmes de gestion de bases de données.
Ce livre s'adresse aux étudiants de premier cycle, aux étudiants diplômés et aux chercheurs en statistiques, en informatique, en intelligence artificielle, en psychologie, en sciences cognitives, en affaires, en médecine, en bio-informatique et en ingénierie. Une bonne connaissance du calcul à plusieurs variables, de l'algèbre linéaire, des probabilités et des statistiques est nécessaire. Le livre présente un mélange soigneusement intégré de théorie et d'applications, et de techniques statistiques multivariées classiques et modernes, y compris les méthodes bayésiennes. Plus de 60 ensembles de données intéressants sont utilisés comme exemples dans le livre, plus de 200 exercices et de nombreuses illustrations et photographies en couleur.
Autres informations sur le livre :
| ISBN : | 9780387781884 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
Achat:
Actuellement disponible, en stock.
