Mon compte Ma liste - 0
	Catalogue   Ressources numériques   Nouveautés   Liens utiles   Mon compte

Recherche rapide Recherche avancée Recherche alphabétique Historique Information

Recherche  AuteurTitreSujetTitre de revueCollectionCotes BUCotes ENSEACotes IUFM       Modifier la recherche     > CERGY

Elargir la recherche       Sur le même sujet :     R . logiciel     Mathematical statistics.     Statistique mathématique -- Problèmes et exercices     Modèles mathématiques -- Problèmes et exercices.     Statistique     Analyse multivariée     Statistics.     Artificial intelligence.     Parcourir le catalogue     par auteur:      James , Gareth      Witten , Daniela      Hastie , Trevor J. , 1953-....      Tibshirani , Robert John , 1956-....      Witten , Daniela      Hastie , Trevor J. , 1953-....      Tibshirani , Robert John , 1956-....       Rechercher sur Internet     Localiser dans une autre bibliothèque (SUDOC) (PPN ou ISBN ou ISSN)     Aperçu dans Google Books     Affichage MARC

Auteur :  James , Gareth Witten , Daniela Hastie , Trevor J. , 1953-.... Tibshirani , Robert John , 1956-.... Titre :  An introduction to statistical learning : with applications in R , bGareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani Edition :  1st ed. 2013. Editeur :  New York, NY : Springer New York , 2013 Collection :  Springer Texts in Statistics , 2197-4136 ; 103 ISBN:  978-1-4614-7138-7 Notes :  Index Description d'après consultation, 2019-01-23 Titre provenant de la page de titre du document numérique Edition électronique diffusée simultanément à l'édition imprimée (8e tirage corrigé de 2017) La pagination de l'édition imprimée correspondante est de XIV-426 pages L'accès complet à la ressource est réservé aux usagers des établissements qui en ont fait l'acquisition Autre auteur : Robert Tibshirani 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 Nécessite un lecteur de fichier PDF Contient :  Introduction ; Statistical Learning ; Linear Regression ; Classification ; Resampling Methods ; Linear Model Selection and Regularization ; Moving Beyond Linearity ; Tree-Based Methods ; Support Vector Machines ; Unsupervised Learning ; Index. Sujet :  R . logiciel Mathematical statistics. Statistique mathématique -- Problèmes et exercices Modèles mathématiques -- Problèmes et exercices. Statistique Analyse multivariée Statistics. Artificial intelligence.   Exemplaires Pas de données exemplaires

Pour toute question, contactez la bibliothèque

Horizon Information Portal 3.0© 2001-2019 SirsiDynix Tous droits réservés.