An introduction to statistical learning : with applications in R

Bibliographische Detailangaben

Titel
An introduction to statistical learning with applications in R
verantwortlich
James, Gareth (VerfasserIn); Witten, Daniela (VerfasserIn); Hastie, Trevor (VerfasserIn); Tibshirani, Robert (VerfasserIn)
Ausgabe
Second edition
veröffentlicht
New York: Springer, 2021
©2021
Erscheinungsjahr
2021
Teil von
Springer texts in statistics
Erscheint auch als
James, Gareth, An introduction to statistical learning, Second edition, New York, NY : Springer, 2021, xv, 607 Seiten
Andere Ausgaben
An introduction to statistical learning: with applications in R
Medientyp
E-Book
Datenquelle
K10plus Verbundkatalog
Tags
Tag hinzufügen

Zugang

Weitere Informationen sehen Sie, wenn Sie angemeldet sind. Noch keinen Account? Jetzt registrieren.

Zusammenfassung
Intro -- Preface -- Contents -- 1 Introduction -- 2 Statistical Learning -- 2.1 What Is Statistical Learning? -- 2.1.1 Why Estimate f? -- 2.1.2 How Do We Estimate f? -- 2.1.3 The Trade-Off Between Prediction Accuracy and Model Interpretability -- 2.1.4 Supervised Versus Unsupervised Learning -- 2.1.5 Regression Versus Classification Problems -- 2.2 Assessing Model Accuracy -- 2.2.1 Measuring the Quality of Fit -- 2.2.2 The Bias-Variance Trade-Off -- 2.2.3 The Classification Setting -- 2.3 Lab: Introduction to R -- 2.3.1 Basic Commands -- 2.3.2 Graphics -- 2.3.3 Indexing Data -- 2.3.4 Loading Data -- 2.3.5 Additional Graphical and Numerical Summaries -- 2.4 Exercises -- 3 Linear Regression -- 3.1 Simple Linear Regression -- 3.1.1 Estimating the Coefficients -- 3.1.2 Assessing the Accuracy of the Coefficients Estimates -- 3.1.3 Assessing the Accuracy of the Model -- 3.2 Multiple Linear Regression -- 3.2.1 Estimating the Regression Coefficients -- 3.2.2 Some Important Questions -- 3.3 Other Considerations in the Regression Model -- 3.3.1 Qualitative Predictors -- 3.3.2 Extensions of the Linear Model -- 3.3.3 Potential Problems -- 3.4 The Marketing Plan -- 3.5 Comparison of Linear Regression with K-Nearest Neighbors -- 3.6 Lab: Linear Regression -- 3.6.1 Libraries -- 3.6.2 Simple Linear Regression -- 3.6.3 Multiple Linear Regression -- 3.6.4 Interaction Terms -- 3.6.5 Non-linear Transformations of the Predictors -- 3.6.6 Qualitative Predictors -- 3.6.7 Writing Functions -- 3.7 Exercises -- 4 Classification -- 4.1 An Overview of Classification -- 4.2 Why Not Linear Regression? -- 4.3 Logistic Regression -- 4.3.1 The Logistic Model -- 4.3.2 Estimating the Regression Coefficients -- 4.3.3 Making Predictions -- 4.3.4 Multiple Logistic Regression -- 4.3.5 Multinomial Logistic Regression -- 4.4 Generative Models for Classification.
Umfang
1 Online-Ressource (616 pages)
Sprache
Englisch
Schlagworte
Statistik > Maschinelles Lernen
Regressionsanalyse > Resampling > Lineares Modell > Entscheidungsbaum > Support-Vektor-Maschine > Cluster-Analyse
RVK-Notation
  • Mathematik
    • Monografien
      • Wahrscheinlichkeitstheorie
        • Statistische Entscheidungstheorie
  • Mathematik
    • Monografien
      • Wahrscheinlichkeitstheorie
        • Spezielle statistische Verfahren
  • Informatik
    • Monografien
      • Einzelne Anwendungen der Datenverarbeitung
        • Datenverarbeitung in Anwendungsgebieten
          • Mathematik, Statistik
            • Einzelne Systeme (alphabetisch)
  • Wirtschaftswissenschaften
    • Mathematik. Statistik. Ökonometrie. Unternehmensforschung
      • Statistik
        • Theoretische Statistik
          • Einführende Lehrbücher
  • Informatik
    • Monografien
      • Software und -entwicklung
        • Programmiersprachen
          • Einzelne Programmiersprachen (A-Z)
  • Wirtschaftswissenschaften
    • Mathematik. Statistik. Ökonometrie. Unternehmensforschung
      • Wirtschaftsinformatik. Datenverarbeitung.
        • Systemtheorie
          • Lernprozesse, Lerntheorien
  • Wirtschaftswissenschaften
    • Mathematik. Statistik. Ökonometrie. Unternehmensforschung
      • Statistik
        • Theoretische Statistik
          • Häufigkeitsverteilungen. Stichprobenverteilungen. Schätztheorie. Testtheorie. Statistische Entscheidungstheorie
BK-Notation
31.73 Mathematische Statistik
54.72 Künstliche Intelligenz
DDC-Notation
519.5
ISBN
9781071614181