|
|
The Elements of Statistical Learning: Data Mining, Inference, and Prediction: Data Mining, Inference and Prediction (Statistics for Engineering and Information Science)
|
 |
| Listen-Preis |
: |
EUR 71,92 |
| Unser Preis |
: |
EUR 60,40 |
| Sie sparen |
: |
EUR 11,52 (16%) |
| |
|
|
| 4 Used |
: | from EUR 63,84 |
| 47 Neu |
: | from EUR 60,40 |
| |
|
|
| Verfügbarkeit |
: |
Gewöhnlich versandfertig bei Amazon in 24 Stunden |
|
|
 |
|
|
| Custom Reviews: | |
|
|  | Dieses Buch bietet einen guten und weiten Überblick über klassische und neuere Verfahren der Statistik und Informatik im Bereich des Lernens aus Daten.
So werden Verfahren aus dem überwachten Lernen (also bei gegebenen Einfluss- und Zielgrößen) wie Lineare Regression, Diskriminanzanalyse, aber auch Neuronale Netze oder Support Vector Machines vorgestellt. Besonders gut gefallen hat mir das Kapitel zur Modellbewertung und -selektion, welches (kurz) auf Kreuzvalidierung und Bootstrapping eingeht.
Das letzte Kapitel befasst sich mit Methoden des unüberwachten Lernens (Daten lassen sich nicht in Eingänge und Ausgänge aufteilen). Hier werden Methoden wie Hauptkomponentenanalyse und Clusterverfahren vorgestellt, aber auch das sehr interessante Thema der Assoziationsregeln zur Warenkorbanalyse behandelt.
Dem Buch ein sehr guter Kompromiss zwischen theoretischen Darstellungen und praktischen Anwendungen gelungen. So sind fast alle Verfahren durch Beispiele illustriert und oft wird ein Vergleich verschiedener Verfahren anhand der Beispiele durchgeführt.
Die vorhandene Theorie verlangt von dem Leser ein solides Basiswissen (Vordiplom Mathematik/Statistik empfehlenswert) in Wahrscheinlichkeits- und Matrizenrechnung, Analysis und darauf basierend der Schätztheorie.
Für mich ist dieses Buch oft die erste Anlaufstelle auf der Suche nach Verfahren zur Beantwortung von Data-Mining-Fragen oder einfach nur um altes Wissen aufzufrischen.
| | | Dieses Buch hilft jemandem der die Materie nicht kennt überhaupt nicht weiter. Es ist völlig ungeeignet um sich die Methoden anzueignen. Bereits die ersten Formeln im Buch sind unglaublich komplex. Herleitungen, welche über mehrere Seiten gehen würden, werden dem Leser nur skizzenhaft in drei Zeilen hingeworfen, sodass ein tieferes Verständnis nur mit dem Buch nicht möglich ist.
Die kryptischen Erklärungen und teilweise konfusen Darstellungen helfen nur bedingt weiter. Der Index am Ende ist nicht vollständig.
Insbesondere das zweite Kapitel ist schlicht völlig unverständlich geschrieben. Die Notation innerhalb des Buches wechselt.
Zu empfehlen ist dieses Buch wohl nur denjenigen, die schon Experten im Bereich Machine Learning / Statistical Learning sind, mit den Methoden eine Weile gearbeitet haben und nur noch mal ein paar Dinge auffrischen wollen. Für Studenten, die sich in das Thema einarbeiten wollen, ist es jedenfalls meiner Meinung nach völlig ungeeignet.
| | Guter Ueberblick zu stat. Lernen und Klassifikation | |
| | Die Autoren praesentieren einen aktuellen und fundierten Ueberblick zu den wichtigsten Methoden der statistischen Klassifikation und zu statistischen Lernverfahren. Sogar fuer Einsteiger in die Materie zu empfehlen, wenn die noetigen mathematischen Grundlagen (lin. Algebra und Statistik) bekannt sind.
| |
|
|
Haupt
Warenkorb
Bookmarken Sie Diese Seite
Kontakt
