EUR 52,47
  • Tous les prix incluent la TVA.
En stock.
Expédié et vendu par Amazon. Emballage cadeau disponible.
An Introduction to Statis... a été ajouté à votre Panier
Autres vendeurs sur Amazon
Ajouter au panier
EUR 52,49
+ EUR 2,99 (livraison)
Vendu par : textbookshub
Ajouter au panier
EUR 54,07
+ EUR 3,00 (livraison)
Vendu par : Basi6EU
Vous l'avez déjà ? Vendez sur Amazon
Repliez vers l'arrière Repliez vers l'avant
Ecoutez Lecture en cours... Interrompu   Vous écoutez un extrait de l'édition audio Audible
En savoir plus
Voir les 3 images

Suivre ces auteurs

Toutes les rubriques :
Une erreur est survenue. Veuillez renouveler votre requête plus tard.


An Introduction to Statistical Learning: With Applications in R (Anglais) Relié – 25 juin 2013


Voir les 2 formats et éditions Masquer les autres formats et éditions
Prix Amazon
Neuf à partir de Occasion à partir de
Format Kindle
Relié
EUR 52,47
EUR 50,00 EUR 29,36
Note: Cet article est éligible à la livraison en points de collecte. Détails
Récupérer votre colis où vous voulez quand vous voulez.
  • Choisissez parmi 17 000 points de collecte en France
  • Les membres du programme Amazon Prime bénéficient de livraison gratuites illimitées
Comment commander vers un point de collecte ?
  1. Trouvez votre point de collecte et ajoutez-le à votre carnet d’adresses
  2. Sélectionnez cette adresse lors de votre commande
Plus d’informations
click to open popover

Offres spéciales et liens associés


Produits fréquemment achetés ensemble

  • An Introduction to Statistical Learning: With Applications in R
  • +
  • The Elements of Statistical Learning: Data Mining, Inference, and Prediction
  • +
  • Deep Learning
Prix total: EUR 178,41
Acheter les articles sélectionnés ensemble

Description du produit

Présentation de l'éditeur

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.

Biographie de l'auteur

Gareth James is a professor of statistics at University of Southern California. He has published an extensive body of methodological work in the domain of statistical learning with particular emphasis on high-dimensional and functional data. The conceptual framework for this book grew out of his MBA elective courses in this area. 

Daniela Witten is an assistant professor of biostatistics at University of Washington. Her research focuses largely on high-dimensional statistical machine learning. She has contributed to the translation of statistical learning techniques to the field of genomics, through collaborations and as a member of the Institute of Medicine committee that led to the report Evolution of Translational Omics.


Trevor Hastie and Robert Tibshirani are professors of statistics at Stanford University, and are co-authors of the successful textbook Elements of Statistical Learning. Hastie and Tibshirani developed generalized additive models and wrote a popular book of that title. Hastie co-developed much of the statistical modeling software and environment in R/S-PLUS and invented principal curves and surfaces. Tibshirani proposed the lasso and is co-author of the very successful An Introduction to the Bootstrap.

Aucun appareil Kindle n'est requis. Téléchargez l'une des applis Kindle gratuites et commencez à lire les livres Kindle sur votre smartphone, tablette ou ordinateur.

  • Apple
    Apple
  • Android
    Android
  • Windows Phone
    Windows Phone
  • Click here to download from Amazon appstore
    Android

Pour obtenir l'appli gratuite, saisissez votre numéro de téléphone mobile.

kcpAppSendButton

Détails sur le produit


Il n'y a pour l'instant aucun commentaire client


Évaluer ce produit

Partagez votre opinion avec les autres clients

Vous souhaitez découvrir plus de produits ? Consultez cets pages pour voir plus : statistical physics, machine learning