Introduzione all'apprendimento statistico: Con applicazioni in R

Recensioni dei lettori

Il libro è ampiamente considerato un'introduzione completa e accessibile all'apprendimento statistico, che offre applicazioni pratiche e spiegazioni chiare. Il suo contenuto è ben strutturato sia per i principianti che per gli studenti avanzati, rendendolo una risorsa preziosa per gli scienziati dei dati e gli statistici. Tuttavia, alcuni utenti hanno notato problemi con la qualità della rilegatura e hanno ritenuto che alcune discussioni fossero carenti o che il testo potesse essere eccessivamente denso in alcuni punti.

Contenuti accessibili e adatti a un vasto pubblico, spiegazioni chiare dei concetti chiave, applicazioni pratiche con esempi di codice in R e Python, capitoli aggiornati, stampa di buona qualità, scrittura coinvolgente da parte di autori rinomati, versione online gratuita e un buon equilibrio tra teoria e praticità.

Sono stati segnalati problemi con la qualità della rilegatura del libro, alcuni concetti potrebbero essere eccessivi per i principianti, mancano alcune discussioni come l'R-quadrato aggiustato e alcune recensioni menzionano una tendenza all'eccesso di testo con una rappresentazione grafica insufficiente.

(basato su 48 recensioni dei lettori)

Titolo originale:

An Introduction to Statistical Learning: With Applications in R

Contenuto del libro:

An Introduction to Statistical Learning" fornisce una panoramica accessibile del campo dell'apprendimento statistico, uno strumento essenziale per dare un senso alle vaste e complesse serie di dati che sono emerse negli ultimi vent'anni in campi che vanno dalla biologia alla finanza, dal marketing all'astrofisica. Questo libro presenta alcune delle più importanti tecniche di modellazione e previsione, insieme alle relative applicazioni. Gli argomenti trattati comprendono la regressione lineare, la classificazione, i metodi di ricampionamento, gli approcci di restringimento, i metodi ad albero, le macchine vettoriali di supporto, il clustering, il deep learning, l'analisi di sopravvivenza, i test multipli e altro ancora. Per illustrare i metodi presentati vengono utilizzati grafici a colori ed esempi reali. Poiché l'obiettivo di questo libro di testo è quello di facilitare l'uso di queste tecniche di apprendimento statistico da parte dei professionisti della scienza, dell'industria e di altri settori, ogni capitolo contiene un tutorial sull'implementazione delle analisi e dei metodi presentati in R, una piattaforma software statistica open source estremamente popolare.

Due degli autori hanno collaborato alla stesura di The Elements of Statistical Learning (Hastie, Tibshirani e Friedman, seconda edizione 2009), un popolare libro di riferimento per i ricercatori di statistica e apprendimento automatico. An Introduction to Statistical Learning" tratta molti degli stessi argomenti, ma a un livello accessibile a un pubblico molto più ampio. Questo libro si rivolge a statistici e non statistici che desiderano utilizzare tecniche di apprendimento statistico all'avanguardia per analizzare i propri dati. Il testo presuppone solo un corso precedente di regressione lineare e nessuna conoscenza dell'algebra delle matrici.

Questa seconda edizione presenta nuovi capitoli sull'apprendimento profondo, sull'analisi della sopravvivenza e sui test multipli, oltre a trattare in modo più approfondito il na ve Bayes, i modelli lineari generalizzati, gli alberi di regressione additiva bayesiana e il completamento matriciale. Il codice R è stato aggiornato per garantire la compatibilità.