Вступ до статистичного навчання з прикладами мовою R

ПРО КНИЖКУ

Ця книжка пропонує чітке та прикладне викладення основ статистичного навчання - ключового інструменту для роботи з великими та складними даними в різних галузях: від біології і фінансів до маркетингу й астрофізики. Вона охоплює основні методи машинного навчання, зокрема регресію, класифікацію, методи повторної вибірки, підходи до зменшення розмірності, деревоподібні моделі, методи опорних векторів, кластеризацію та глибоке навчання. Матеріал пояснено на реальних прикладах і наочних графіках, що допомагає краще зрозуміти застосування різних підходів. Також у кожному розділі наведено рекомендації для реалізації методів мовою R - популярним інструментом статистичного аналізу з відкритим кодом. Книжка орієнтована на практиків у науці, бізнесі та індустрії, які прагнуть ефективно застосовувати сучасні методи аналізу даних.

ПРО АВТОРІВ

Ґарет Джеймс - професор статистики і декан Школи бізнесу Гойзуета при Університеті Еморі. Його дослідження зосереджені на статистичному навчанні, зокрема на обробці багатовимірних даних та регресійному аналізі.

Даніела Віттен - професорка статистики та біостатистики Вашингтонського університету. Працює у сфері машинного навчання для аналізу складних багатовимірних біомедичних даних.

Тревор Гасті та Роберт Тібшірані - професори статистики Стенфордського університету, співавтори класичного підручника The Elements of Statistical Learning. Вони зробили фундаментальний внесок у розвиток сучасних методів статистичного моделювання та машинного навчання.

ВІДГУКИ

Ця книжка містить чіткі й інтуїтивно зрозумілі вказівки з упровадження передових статистичних методів і методів машинного навчання. Вона робить сучасні методи доступними для читачів без спеціальної підготовки у сфері статистики чи програмування. Автори надають практичні пояснення особливостей та умов застосування цих методів, а також приклади їх реалізації мовою R. Кожному, хто працює зі складними даними і прагне краще їх розуміти, варто мати цю книжку. Ларрі Вассерман, професор кафедри статистики та машинного навчання Університету Карнегі - Меллона 

КНИЖКИ НА СХОЖУ ТЕМАТИИКУ

• "Вступ до статистичного навчання з прикладами мовою Python", Ґарет Джеймс, Даніела Віттен, Тревор Гасті, "Наш Формат", 2026 рік

ЦИТАТИ

Хоча термін статистичне навчання є досить новим, але більшість основних його концепцій були розроблені значно раніше. На початку ХІХ століття був запропонований метод найменших квадратів, який реалізував ідею інструмента, який зараз відомий як лінійна регресія. Уперше цей підхід був успішно запроваджений для розв'язання задач з астрономії. За допомогою лінійної регресії можна прогнозувати кількісні змінні, наприклад, заробітної плати. Для прогнозування якісних змінних, як-от пацієнт виживе чи помре після операції, або зросте чи впаде фондовий ринок, у 1936 році був запропонований лінійний дискримінантний аналіз. У 1940-х роках різними авторами був запроваджений альтернативний підхід - логістична регресія. На початку 1970-х років було введено поняття узагальнені лінійні моделі для опису цілого класу методів статистичного навчання на основі лінійної та логістичної регресій, як окремих випадків.