Un approccio computazionale all'apprendimento statistico

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 4 voti.

Titolo originale:

A Computational Approach to Statistical Learning

Contenuto del libro:

A Computational Approach to Statistical Learning" fornisce un'introduzione innovativa alla modellazione predittiva, concentrandosi sulle motivazioni algoritmiche e numeriche alla base dei metodi statistici più diffusi. Il testo contiene il codice annotato di oltre 80 funzioni di riferimento originali. Queste funzioni forniscono implementazioni minime e funzionanti di comuni algoritmi di apprendimento statistico. Ogni capitolo si conclude con un'applicazione completamente realizzata che illustra le attività di modellazione predittiva utilizzando un set di dati del mondo reale.

Il testo inizia con un'analisi dettagliata dei modelli lineari e dei minimi quadrati ordinari. I capitoli successivi esplorano estensioni come la regressione ridge, i modelli lineari generalizzati e i modelli additivi. La seconda metà si concentra sull'uso di algoritmi generici per l'ottimizzazione convessa e sulla loro applicazione a compiti di apprendimento statistico. I modelli trattati includono la rete elastica, le reti neurali dense, le reti neurali convoluzionali (CNN) e il clustering spettrale. Un tema unificante del testo è l'uso della teoria dell'ottimizzazione nella descrizione dei modelli predittivi, con particolare attenzione alla decomposizione del valore singolare (SVD). Attraverso questo tema, l'approccio computazionale motiva e chiarisce le relazioni tra i vari modelli predittivi.

Taylor Arnold è professore assistente di statistica presso l'Università di Richmond. Il suo lavoro all'intersezione tra visione computerizzata, elaborazione del linguaggio naturale e scienze umane digitali è stato sostenuto da diverse sovvenzioni del National Endowment for the Humanities (NEH) e dell'American Council of Learned Societies (ACLS). Il suo primo libro, Humanities Data in R, è stato pubblicato nel 2015.

Michael Kane è professore assistente di biostatistica all'Università di Yale. Ha ricevuto sovvenzioni dal National Institutes of Health (NIH), dalla DARPA e dalla Bill and Melinda Gates Foundation. Il suo pacchetto R bigmemory ha vinto il premio della Camera per il software statistico nel 2010.

Bryan Lewisè un matematico applicato e autore di molti pacchetti R popolari, tra cui irlba, doRedis e threejs.