Apprendimento statistico per grandi dati dipendenti

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 2 voti.

Titolo originale:

Statistical Learning for Big Dependent Data

Contenuto del libro:

Questo libro presenta metodi utili per analizzare e comprendere grandi insiemi di dati che sono dinamicamente dipendenti. Il libro inizia con esempi di dati dipendenti multivariati e strumenti per la presentazione di statistiche descrittive di tali dati. Introduce poi alcuni metodi statistici utili per l'analisi delle serie temporali univariate, ponendo l'accento sulle procedure statistiche per la modellazione e la previsione. Vengono discussi modelli lineari e non lineari. Particolare attenzione viene data all'analisi dei dati dipendenti ad alta frequenza.

La seconda parte del libro considera la dipendenza congiunta, sia contemporanea che dinamica, tra serie multiple di dati dipendenti. Particolare attenzione sarà data ai metodi grafici per dati di grandi dimensioni, alla gestione dell'eterogeneità nelle serie temporali (come outlier, valori mancanti e cambiamenti nelle matrici di covarianza) e ai parametri variabili nel tempo per le serie temporali multivariate. La terza parte del libro è dedicata all'analisi dei dati dipendenti ad alta dimensionalità. L'attenzione si concentra su argomenti utili quando il numero di serie temporali è elevato. Gli argomenti selezionati includono il clustering delle serie temporali, la regressione lineare ad alta dimensione per i dati dipendenti e le sue applicazioni, la riduzione delle dimensioni con le componenti principali dinamiche e i modelli fattoriali. Nel corso del libro vengono illustrati i vantaggi e gli svantaggi dei metodi discussi e vengono utilizzati esempi reali a titolo dimostrativo.

Il libro sarà di interesse per gli studenti laureati, i ricercatori e gli operatori del settore commerciale, economico, ingegneristico e scientifico interessati ai metodi statistici per l'analisi di grandi dati dipendenti e per le previsioni.