Data Mining, Inference et Prédiction, Deuxième Édition Trevor Hastie est un manuel d’étude complet sur l’exploration de données et les méthodes statistiques de prédiction. Cette nouvelle édition majeure introduit de nombreux sujets inédits tels que les modèles graphiques, les random forests et les méthodes d’ensemble. Le livre s’adresse aux professionnels et aux chercheurs qui travaillent sur l’analyse de données dans divers secteurs.
Table des matières
Cet ouvrage de référence propose une vue d’ensemble cohérente de nombreux sujets en data mining, allant de l’apprentissage supervisé à l’apprentissage non supervisé. En plus des méthodes classiques, il aborde notamment les réseaux neuronaux, les machines à vecteurs de support, les arbres de classification et le boosting—le premier panorama complet du boosting dans une seule publication.
La nouvelle édition majeure est enrichie, entre autres, de la régression par les moindres angles, d’algorithmes de chemin pour le lasso, de la factorisation matricielle non négative et du clustering spectral. On s’intéresse également aux méthodes pour les données ‘wide’, en mettant l’accent sur le multiple testing et les taux de fausse découverte.
Spécifications du produit
- Auteur : Trevor Hastie
- Éditeur : Springer-Verlag New York Inc.
- Date de publication : 2009-02-09
- Nombre de pages : 745
- ISBN : 9780387848570
- Thème : Intelligence artificielle (IA)
À propos de l’auteur
Trevor Hastie, avec Robert Tibshirani et Jerome Friedman, est un expert de premier plan en statistique et en data mining à l’Université Stanford. Leur travail conjoint comprend des méthodes novatrices telles que les generalized additive models, le lasso et divers outils de data mining comme CART et le gradient boosting.