«Rank-Based» - это книга, которая описывает методы принятия решений и сокращения признаков в машинном обучении. Эта книга предлагает практические и основанные на практике подходы к теории и методологии статистических оценок на основе рангов. Используя теорию рангов, авторы могут показать, как производить более качественный анализ данных в сокращении искажений и отборе подмножеств для создания сжатых моделей с предсказаниями без выбросов. Такой подход поможет статистикам, экономистам, биостатистикам, исследователям данных и студентам магистратуры воплотить эту методологию в жизнь для дополнительного исследования в данной области.
«Rank-Base» далее углубляется в теоретические и практические аспекты теории рангов и приложений в машинном обучении для усиленной легитимности метода наименьших квадратов. В книге также содержится следующее:
1. Развитие ранговой теории и применение методов сокращения и выбора для обеспечения качества и правильности данных, используемых во всем анализе данных; 2. Методы использования ограничительных регрессионных ранговых регуляризаторов для ридж-регла
Книга "Rank-Based methods for shrinkage and seletion" посвящена теории и методологии статистического оценивания на основе ранга, а также применению этих методов в машинном обучении. Она предназначена для статистиков, экономистов, биостатистиков, специалистов по данным и студентов магистратуры.
Книга представляет собой практическое и пошаговое руководство по теории и методологии статистической оценки, основанной на рангах. В ней рассматриваются методы, которые производят более качественный анализ данных, дают возможность для основательно анализа и выбора подмножества с целью создания экономных моделей, а также обеспечивают прогнозирование, свободное от выбросов.
Электронная Книга «Rank-Based Methods for Shrinkage and Selection» написана автором A. K. Md. Ehsanes Saleh в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119625421
Описание книги от A. K. Md. Ehsanes Saleh
Rank-Based Methods for Shrinkage and Selection A practical and hands-on guide to the theory and methodology of statistical estimation based on rank Robust statistics is an important field in contemporary mathematics and applied statistical methods. Rank-Based Methods for Shrinkage and Selection: With Application to Machine Learning describes techniques to produce higher quality data analysis in shrinkage and subset selection to obtain parsimonious models with outlier-free prediction. This book is intended for statisticians, economists, biostatisticians, data scientists and graduate students. Rank-Based Methods for Shrinkage and Selection elaborates on rank-based theory and application in machine learning to robustify the least squares methodology. It also includes: Development of rank theory and application of shrinkage and selection Methodology for robust data science using penalized rank estimators Theory and methods of penalized rank dispersion for ridge, LASSO and Enet Topics include Liu regression, high-dimension, and AR(p) Novel rank-based logistic regression and neural networks Problem sets include R code to demonstrate its use in machine learning
