The Elements of Statistical Learning : Data Mining, Inference, and Prediction /
Contenido: 1) Introducción; 2) Visión general del aprendizaje supervisado; 3) Métodos de regresión lineal; 4) Métodos lineales para la clasificación; 5) Expansiones básicas y regularización; 6) Métodos de Kernel; 7) Selección y asignación de modelo; 8) Modelos de inferencia y promedio; 9) Modelos ad...
Guardado en:
| Autor principal: | |
|---|---|
| Otros autores: | , |
| Formato: | Libro |
| Idioma: | Inglés |
| Publicado: |
Nueva York, EUA :
Springer,
2016, c2016
|
| Edición: | 2a edición |
| Colección: | (Springer Series in Statistics)
|
| Temas: | |
| Etiquetas: |
Sin etiquetas, Sé el primero en etiquetar este registro!
|
| Resumen: | Contenido: 1) Introducción; 2) Visión general del aprendizaje supervisado; 3) Métodos de regresión lineal; 4) Métodos lineales para la clasificación; 5) Expansiones básicas y regularización; 6) Métodos de Kernel; 7) Selección y asignación de modelo; 8) Modelos de inferencia y promedio; 9) Modelos aditivos, árboles y métodos relacionados; 10) Arboles aditivos y de impulso; 11) Redes neuronales; 12) Máquinas de soporte vectorial y discriminantes flexibles; 13) Métodos protitipos; 14) Aprendizaje no supervisado; 15) Bosques aleatorios; 16) Aprendiendo juntos; 17) Métodos gráficos indirectos; 18) Problemas de alta dimensión. |
|---|---|
| Descripción física: | XXII, 745 p. |
| Público: | 2016 BO Licenciatura en Ingeniería Financiera Peticiones 2016 Juan Diego Sánchez Torres |
| ISBN: | 978-0-387-84857-0 |