Advanced Linear Modeling: Statistical Learning And Dependent Data

دانلود کتاب Advanced Linear Modeling: Statistical Learning And Dependent Data

دسته: آمار ریاضی

31000 تومان موجود

کتاب مدل‌سازی خطی پیشرفته: یادگیری آماری و داده‌های وابسته نسخه زبان اصلی

دانلود کتاب مدل‌سازی خطی پیشرفته: یادگیری آماری و داده‌های وابسته بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید


این کتاب نسخه اصلی می باشد و به زبان فارسی نیست.


امتیاز شما به این کتاب (حداقل 1 و حداکثر 5):

امتیاز کاربران به این کتاب:        تعداد رای دهنده ها: 10


توضیحاتی در مورد کتاب Advanced Linear Modeling: Statistical Learning And Dependent Data

نام کتاب : Advanced Linear Modeling: Statistical Learning And Dependent Data
ویرایش : 3rd Ed.
عنوان ترجمه شده به فارسی : مدل‌سازی خطی پیشرفته: یادگیری آماری و داده‌های وابسته
سری : Springer Texts In Statistics
نویسندگان :
ناشر : Springer
سال نشر : 2019
تعداد صفحات : 618
ISBN (شابک) : 3030291634 , 9783030291648
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 7 مگابایت



بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.

توضیحاتی در مورد کتاب :


اکنون در ویرایش سوم خود، این جلد همراه کتاب پاسخ‌های سطحی به سؤالات پیچیده رونالد کریستنسن از سه مفهوم اساسی از نظریه مدل خطی استاندارد - بهترین پیش‌بینی خطی، پیش‌بینی‌ها و فاصله ماهالانوبیس - استفاده می‌کند تا مدل‌سازی خطی استاندارد را به قلمروهای یادگیری آماری و وابسته بسط دهد. داده ها. این نسخه جدید دارای انبوهی از محتوای جدید و اصلاح شده است. در یادگیری آماری، آن را به رگرسیون ناپارامتریک، تخمین جریمه‌شده (قاعده‌سازی)، بازتولید فضاهای هیلبرت هسته، ترفند هسته و ماشین‌های بردار پشتیبانی می‌پردازد. برای داده‌های وابسته، از نظریه مدل خطی برای بررسی مدل‌های خطی عمومی، مدل‌های مختلط خطی، سری‌های زمانی، داده‌های مکانی، مدل‌های خطی چند متغیره (تعمیم‌شده)، تبعیض و کاهش ابعاد استفاده می‌کند. در حالی که ارجاعات متعددی به پاسخ‌های صفحه در سراسر جلد انجام شده است، مدل‌سازی خطی پیشرفته می‌تواند به تنهایی با توجه به پیش‌زمینه‌ای محکم در مدل‌های خطی استفاده شود. کد R همراه برای آنالیزها به صورت آنلاین در دسترس است.

فهرست مطالب :


Front Matter ....Pages i-xxiii
Nonparametric Regression (Ronald Christensen)....Pages 1-58
Penalized Estimation (Ronald Christensen)....Pages 59-85
Reproducing Kernel Hilbert Spaces (Ronald Christensen)....Pages 87-123
Covariance Parameter Estimation (Ronald Christensen)....Pages 125-159
Mixed Models and Variance Components (Ronald Christensen)....Pages 161-194
Frequency Analysis of Time Series (Ronald Christensen)....Pages 195-246
Time Domain Analysis (Ronald Christensen)....Pages 247-319
Linear Models for Spatial Data: Kriging (Ronald Christensen)....Pages 321-355
Multivariate Linear Models: General (Ronald Christensen)....Pages 357-388
Multivariate Linear Models: Applications (Ronald Christensen)....Pages 389-422
Generalized Multivariate Linear Models and Longitudinal Data (Ronald Christensen)....Pages 423-455
Discrimination and Allocation (Ronald Christensen)....Pages 457-501
Binary Discrimination and Regression (Ronald Christensen)....Pages 503-531
Principal Components, Classical Multidimensional Scaling, and Factor Analysis (Ronald Christensen)....Pages 533-574
Back Matter ....Pages 575-608

توضیحاتی در مورد کتاب به زبان اصلی :


Now in its third edition, this companion volume to Ronald Christensen’s Plane Answers to Complex Questions uses three fundamental concepts from standard linear model theory—best linear prediction, projections, and Mahalanobis distance— to extend standard linear modeling into the realms of Statistical Learning and Dependent Data. This new edition features a wealth of new and revised content. In Statistical Learning it delves into nonparametric regression, penalized estimation (regularization), reproducing kernel Hilbert spaces, the kernel trick, and support vector machines. For Dependent Data it uses linear model theory to examine general linear models, linear mixed models, time series, spatial data, (generalized) multivariate linear models, discrimination, and dimension reduction. While numerous references to Plane Answers are made throughout the volume, Advanced Linear Modeling can be used on its own given a solid background in linear models. Accompanying R code for the analyses is available online.



پست ها تصادفی