دانلود کتاب مدل های افزودنی تعمیم یافته: مقدمه ای با R، ویرایش دوم بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Generalized Additive Models: An Introduction with R, Second Edition
ویرایش : Second edition
عنوان ترجمه شده به فارسی : مدل های افزودنی تعمیم یافته: مقدمه ای با R، ویرایش دوم
سری : Chapman & Hall / CRC texts in statistical science
نویسندگان : Wood, Simon N
ناشر : Chapman and Hall/CRC
سال نشر : 2017
تعداد صفحات : 497
ISBN (شابک) : 9781498728331 , 1498728332
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 26 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.
ویرایش اول این کتاب خود را به عنوان یکی از مراجع پیشرو در مدلهای افزایشی تعمیم یافته (GAM) و تنها کتابی در این زمینه که ماهیت مقدماتی دارد با انبوهی از مثالهای کاربردی و پیادهسازی نرمافزار تثبیت کرده است. این خودکفا است، پیشزمینه لازم را در مدلهای خطی، مدلهای مختلط خطی، و مدلهای خطی تعمیمیافته (GLMs)، قبل از ارائه یک درمان متوازن از نظریه و کاربردهای GAMs و مدلهای مرتبط، فراهم میکند.
نویسنده رویکرد خود را بر چارچوبی از خطوط رگرسیون جریمهشده استوار میکند، و در حالی که کاملاً بر جنبههای عملی GAM متمرکز است، بحثها شامل توضیحات نسبتاً کاملی از نظریههای زیربنایی روشها است. استفاده از نرم افزار R به توضیح نظریه کمک می کند و کاربرد عملی روش را نشان می دهد. هر فصل شامل مجموعه گستردهای از تمرینها، همراه با راهحلها در یک ضمیمه یا در مجموعه دادههای R کتاب gmair است تا امکان استفاده بهعنوان متن دوره یا برای خودآموزی را فراهم کند.
Simon N. Wood استاد علوم آماری در دانشگاه بریستول، انگلستان و نویسنده بسته R mgcv است.
The first edition of this book has established itself as one of the leading references on generalized additive models (GAMs), and the only book on the topic to be introductory in nature with a wealth of practical examples and software implementation. It is self-contained, providing the necessary background in linear models, linear mixed models, and generalized linear models (GLMs), before presenting a balanced treatment of the theory and applications of GAMs and related models.
The author bases his approach on a framework of penalized regression splines, and while firmly focused on the practical aspects of GAMs, discussions include fairly full explanations of the theory underlying the methods. Use of R software helps explain the theory and illustrates the practical application of the methodology. Each chapter contains an extensive set of exercises, with solutions in an appendix or in the book’s R data package gamair, to enable use as a course text or for self-study.
Simon N. Wood is a professor of Statistical Science at the University of Bristol, UK, and author of the R package mgcv.