Ez a könyv fontos ötleteket ír le különféle területeken, mint például az orvostudomány, a biológia, a pénzügy és a marketing, egy közös fogalmi keretben.. Bár a megközelítés statisztikai jellegű, a hangsúly a fogalmakon van, nem a matematikán.. Sok példa van, bőségesen színes grafikával.. Értékes erőforrás statisztikusok és mindenki számára, aki érdekelt az adatbányászatban a tudományban vagy az iparban.. A könyv lefedettsége széleskörű, a felügyelt tanulástól kezdve (előrejelzés) felügyelet nélküli tanuláshoz. A sok téma között szerepelnek neurális hálózatok, támogató vektorgépek, osztályozófák és boosting---ez az első átfogó feldolgozás erről a témáról bármelyik könyvben.
Ez a jelentős új kiadás számos olyan témát tartalmaz, amelyek az eredetiben nem szerepeltek, többek között grafikus modelleket, véletlen erdőket, ensemble módszereket, a lasso-hoz tartozó legkisebb szög regressziós és útvonal algoritmusokat, nemnegatív mátrixfaktorizációt és spektrális klaszterezést.. Van egy fejezet is a „széles” adatok módszereiről (p nagyobb mint n), többszörös tesztelés és hamis felfedezési ráta beleértve.
A szerzőről
Trevor Hastie, Robert Tibshirani és Jerome Friedman a Stanford Egyetem statisztikaprofesszorai.. Kiemelkedő kutatók ezen a területen.: Hastie és Tibshirani kidolgozták a általánosított additív modelleket, és írtak egy népszerű könyvet ezen a címen.. Hastie sok statisztikai modellező szoftvert és környezetet fejlesztett ki R/S-PLUS-ban, és feltalálta a főkomponens görbéket és felületeket.. Tibshirani javasolta a lassót, és társszerzője a nagyon sikeres „An Introduction to the Bootstrap” című könyvnek.
Visszatérítés kézbesítés elmulasztása esetén
