Основы статистического обучения: интеллектуальный анализ данных, логический вывод и прогнозирование [Тревор Хасти, Роберт Тибширани, Джером Фридман]

В книге "Основы статистического обучения" описываются важные идеи, существующие в этих областях, на основе общего концептуального подхода. Хотя этот подход является статистическим, акцент делается на концепциях, а не на математике. Авторы приводят много примеров с широким использованием графических иллюстраций.

В частности, в книге "Основы статистического обучения" рассматриваются основные понятия и методы статистического обучения: линейная регрессия, нелинейная регрессия, линейные методы классификации, регуляризация, ядерное сглаживание, оценивание и выбор моделей, аддитивные модели, деревья классификации, создание повторных выборок, нейронные сети, случайные леса и многое другое. Авторы приводят множество примеров и цветных иллюстраций применения этих методов на практике.

Книга "Основы статистического обучения" представляет собой ценный источник знаний для статистиков и всех, кто интересуется обработкой данных в науке или промышленности.

Диапазон тем, охваченных книгой, обширен: от обучения с учителем (прогнозирования) до обучения без учителя, включая нейронные сети, метод опорных векторов, деревья классификации и бустинг.

Новое издание книги "Основы статистического обучения: интеллектуальный анализ данных, логический вывод и прогнозирование" (2-е издание) содержит множество тем, не охваченных в первом издании, включая графовые модели, случайные леса, ансамблевые методы, метод наименьших углов и LASSO, алгоритмы неотрицательной матричной факторизации и спектральной кластеризации. В книгу включена также глава о методах обработки “широких” данных, включая множественное тестирование и оценивание уровня ложноположительных результатов.