خرید و دانلود نسخه کامل کتاب Statistical Learning From A Regression Perspective

توضیحاتی در مورد کتاب

این کتاب درسی زمانی کاربردهای یادگیری آماری را در نظر می‌گیرد که علاقه بر توزیع شرطی یک متغیر پاسخ، با توجه به مجموعه‌ای از پیش‌بینی‌کننده‌ها، و در غیاب یک مدل معتبر که بتوان آن را قبل از شروع تجزیه و تحلیل داده‌ها مشخص کرد، توجه می‌کند. مطابق با تجزیه و تحلیل داده های مدرن، تأکید می کند که تجزیه و تحلیل داده های یادگیری آماری مناسب به شیوه ای یکپارچه به جمع آوری داده های صحیح، مدیریت هوشمند داده ها، رویه های آماری مناسب و تفسیر قابل دسترس نتایج بستگی دارد. موضوع وحدت‌بخش این است که یادگیری تحت نظارت به درستی می‌تواند به عنوان شکلی از تحلیل رگرسیون دیده شود. مفاهیم و رویه‌های کلیدی با تعداد زیادی از برنامه‌های کاربردی واقعی و کدهای مرتبط با آن‌ها در R، با نگاهی به مفاهیم کاربردی نشان داده شده‌اند. ادغام فزاینده علم کامپیوتر و آمار به خوبی نشان داده شده است، از جمله تنش های گاه به گاه، اما برجسته ای که به وجود می آید. در سراسر، پیوندهایی به تصویر بزرگ وجود دارد. ویرایش سوم پیشرفت های قابل توجهی را در سال های اخیر در نظر می گیرد که از جمله آنها می توان به موارد زیر اشاره کرد:
• توسعه چارچوب های مفهومی فراگیر برای یادگیری آماری.
• تاثیر “داده های بزرگ” بر یادگیری آماری.
• ماهیت و پیامدهای استنتاج آماری انتخاب پس از مدل.
• یادگیری عمیق در اشکال مختلف.
• چالش های ویژه استنتاج آماری ناشی از یادگیری آماری.
• ارتباطات اساسی بین جمع آوری داده ها و تجزیه و تحلیل داده ها.
• مسائل اخلاقی و سیاسی میان رشته ای پیرامون کاربرد روش های الگوریتمی در زمینه های مختلف، که هر کدام به نگرانی در مورد شفافیت، انصاف و دقت مرتبط است.
این نسخه دارای بخش های جدیدی در مورد دقت، شفافیت و انصاف و همچنین فصل جدیدی در یادگیری عمیق است. پیش سازهای یادگیری عمیق درمان گسترده ای دریافت می کنند. ارتباط بین برازش و پیش‌بینی عمیق‌تر در نظر گرفته می‌شود. بحث در مورد اهداف تخمینی برای روش‌های الگوریتمی برای منعکس کردن آخرین تحقیقات تجدید نظر شده و گسترش یافته است. رویه های نمونه گیری مجدد تاکید می شود. این مطالب برای دانشجویان فوق لیسانس و فوق لیسانس در علوم اجتماعی، روانشناسی و زندگی و برای محققانی نوشته شده است که می خواهند روش های یادگیری آماری را برای مشکلات علمی و سیاستی به کار گیرند.