Introduction to Nonparametric Regression - Группа авторов

Простое в изучении введение в непараметрическую регрессию

Данная книга предлагает простой и понятный подход к изучению непараметрической регрессии для начинающих. В книге "Введение в непараметрическую регрессию" доступным языком объясняются базовые концепции непараметрической регрессии. Книга содержит:

• Подробное объяснение различных методов без сложных математических выкладок и избыточной теории, чтобы интуитивно понять ценность методов непараметрической регрессии

• Описание статистических методов с ясными численными примерами, которые помогут читателям в разработке собственных решений

• Математические уравнения с четким объяснением их вывода

Первая глава убедительно аргументирует изучение непараметрической регрессии и задает тон для дальнейшего обсуждения. Помимо стандартных тем, таких как методы ядра и сплайнов, в книге подробно рассматривается сглаживание гистограмм - тема, обычно не освещаемая в аналогичных изданиях.

Каждая тематическая глава включает подробные примеры на S-Plus, позволяющие читателям воспроизвести описанные результаты. Отдельное приложение посвящено преобразованию объектов S-Plus в объекты R.

В конце каждой главы приведены задачи, проверяющие понимание ключевых концепций и методов, а также готовящие к изучению более продвинутых тем.

Книга рекомендуется в качестве учебника для бакалавриата и магистратуры по курсам непараметрической регрессии. Требуются только базовые знания линейной алгебры и статистики. Также книга будет полезным справочным пособием для исследователей и инженеров в таких областях как распознавание образов, понимание речи, дата-майнинг. Специалисты, использующие непараметрическую регрессию для анализа данных в естественных, биологических, социальных науках, финансах и экономике, найдут книгу незаменимым источником.

Эта книга написана для тех, кто только начинает изучать методы непараметрической регрессии. Здесь используется простой и пошаговый подход для объяснения фундаментальных понятий в этой области. Книга ясно объясняет понятия, лежащие в основе непараметрик-сеой регрессии, включая подробные разяснения различных методов, которые помогают интуитивно понять важность непара-метрических методов. Она также содержит примеры статистики с картинками, чтобы еще более помочь читателям в разработке и реализации своих собственных решений. В ней также представлены уравнения и их объяснение, что упрощает понимание их происхождения. Разные тематические главы содержат типовые примеры, которые позволяют читателю повторить результаты, описанные в каждом разделе. Статья также включает семинар по переводу объектов программе S-Plus в объекты программы R, в приложении. Каждый раздел заканчивается набором заданий, проверяющих, насколько хорошо читатель понимает ключевые понятия и методы. Это книга рекомендуется в качестве пособия для студентов и аспирантов по методам непараметриче-ской регрессии и требует минимума базовых знаний по линейной алгебре и статистике. Книгу также очень полезно использовать исследователям и инженерам в таких областях, как распознавание образов, понимание речи, и исследование данных. Практикующие же, использующие методы непараметр ческой регрессии для анализа данных в естественных, биологических и социальных науках, а также в финансов и экономике, найдут этот материал уникальным и полезным ресурсом.

Электронная Книга «Introduction to Nonparametric Regression» написана автором Группа авторов в году.

Минимальный возраст читателя: 0

Язык: Английский

ISBN: 9780471771449

An easy-to-grasp introduction to nonparametric regression This book's straightforward, step-by-step approach provides an excellent introduction to the field for novices of nonparametric regression. Introduction to Nonparametric Regression clearly explains the basic concepts underlying nonparametric regression and features: * Thorough explanations of various techniques, which avoid complex mathematics and excessive abstract theory to help readers intuitively grasp the value of nonparametric regression methods * Statistical techniques accompanied by clear numerical examples that further assist readers in developing and implementing their own solutions * Mathematical equations that are accompanied by a clear explanation of how the equation was derived The first chapter leads with a compelling argument for studying nonparametric regression and sets the stage for more advanced discussions. In addition to covering standard topics, such as kernel and spline methods, the book provides in-depth coverage of the smoothing of histograms, a topic generally not covered in comparable texts. With a learning-by-doing approach, each topical chapter includes thorough S-Plus? examples that allow readers to duplicate the same results described in the chapter. A separate appendix is devoted to the conversion of S-Plus objects to R objects. In addition, each chapter ends with a set of problems that test readers' grasp of key concepts and techniques and also prepares them for more advanced topics. This book is recommended as a textbook for undergraduate and graduate courses in nonparametric regression. Only a basic knowledge of linear algebra and statistics is required. In addition, this is an excellent resource for researchers and engineers in such fields as pattern recognition, speech understanding, and data mining. Practitioners who rely on nonparametric regression for analyzing data in the physical, biological, and social sciences, as well as in finance and economics, will find this an unparalleled resource.