KI-Beratung Beta

Produktbild: The Elements of Statistical Learning

The Elements of Statistical Learning Data Mining, Inference, and Prediction, Second Edition

1

79,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

09.02.2009

Abbildungen

XXII, 745 p. 658 illus., 604 illus. in color.

Verlag

Springer Us

Seitenzahl

745

Maße (L/B/H)

24,1/16/4,4 cm

Gewicht

1200 g

Farbe

Hellbraun

Auflage

Second Edition 2009

Sprache

Englisch

ISBN

978-0-387-84857-0

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

09.02.2009

Abbildungen

XXII, 745 p. 658 illus., 604 illus. in color.

Verlag

Springer Us

Seitenzahl

745

Maße (L/B/H)

24,1/16/4,4 cm

Gewicht

1200 g

Farbe

Hellbraun

Auflage

Second Edition 2009

Sprache

Englisch

ISBN

978-0-387-84857-0

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: gpsr@libri.de

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten Sie dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Kundinnen und Kunden meinen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

  • Bewertung

    5/5

    15.08.2013

    Buch (Gebundene Ausgabe)

    Die Bibel

    Ich brauche das Buch als Nachschlagewerk. Enthält alle wichtigen Konzepte des Data Mining. Alle mathematischen Konzepte sind gut und einfach verständlich erklärt.

Kundinnen und Kunden meinen

5

1

4

0

3

0

2

0

1

0

Bewertungen (1)

  • Produktbild: The Elements of Statistical Learning
  • Overview of Supervised Learning.- Linear Methods for Regression.- Linear Methods for Classification.- Basis Expansions and Regularization.- Kernel Smoothing Methods.- Model Assessment and Selection.- Model Inference and Averaging.- Additive Models, Trees, and Related Methods.- Boosting and Additive Trees.- Neural Networks.- Support Vector Machines and Flexible Discriminants.- Prototype Methods and Nearest-Neighbors.- Unsupervised Learning.- Random Forests.- Ensemble Learning.- Undirected Graphical Models.- High-Dimensional Problems: p ? N.