The Elements of Statistical Learning: Data Mining, Inferenz und Prognose, Zweite Auflage

Dieses Buch beschreibt die wichtigen Ideen in einer Vielzahl von Bereichen wie Medizin, Biologie, Finanzen und Marketing in einem gemeinsamen konzeptionellen Rahmen. Obwohl der Ansatz statistisch ist, liegt der Schwerpunkt auf Konzepten und nicht auf Mathematik. Es werden viele Beispiele mit reichlicher Verwendung von Farbgrafiken gegeben. Es ist eine wertvolle Ressource für Statistiker und alle, die an Data Mining in Wissenschaft oder Industrie interessiert sind. Die Abdeckung des Buches ist breit, vom überwachten Lernen (Vorhersage) bis zum unüberwachten Lernen. Die vielen Themen umfassen neuronale Netze, Support Vector Machines, Klassifikationsbäume und Boosting – die erste umfassende Behandlung dieses Themas in einem Buch.

Diese wichtige Neuauflage behandelt viele Themen, die im Original nicht behandelt wurden, darunter grafische Modelle, Zufallswälder, Ensemble-Methoden, Least Angle Regression und Pfadalgorithmen für das Lasso, nicht-negative Matrixfaktorisierung und Spektral-Clustering. Es gibt auch ein Kapitel über Methoden für "breite" Daten (p größer als n), einschließlich multiplem Testen und Falsch-Positiv-Raten.