Hodnotenie:
Kniha ponúka osviežujúci a moderný prístup k viacrozmernej analýze, ktorý zahŕňa širokú škálu súčasných techník a aplikácií. Je vhodná pre pokročilých študentov a odborníkov v oblasti štatistiky a dátovej vedy, pretože poskytuje hĺbku v niektorých oblastiach a zároveň zachováva komplexný rozsah. Nemusí však byť ideálna pre začiatočníkov vzhľadom na komplexnosť materiálu a stručnosť základných tém.
Výhody:⬤ Komplexné pokrytie moderných viacrozmerných techník.
⬤ Vhodné pre pokročilých študentov a odborníkov v oblasti štatistiky a dátovej vedy.
⬤ Dobrá integrácia rôznych aplikácií (genetika, medicína atď.) s užitočnými príkladmi.
⬤ Krásne prezentované farebné grafy a dobre štruktúrované usporiadanie.
⬤ Zahŕňa poznatky o praktických otázkach, ako je kvalita a prieskum údajov.
⬤ Predpokladá predchádzajúce znalosti maticovej algebry a viacrozmerných metód, čo nemusí vyhovovať začiatočníkom.
⬤ Niektoré témy, najmä bayesovské metódy, nie sú dostatočne zastúpené.
⬤ Kapitola, ktorá sa zaoberá maticovou/lineárnou algebrou, je príliš stručná a môže narušiť plynulosť čítania pre menej sebavedomých čitateľov.
⬤ Pre tých, ktorí nie sú oboznámení s materiálom, môže byť náročné sa z neho učiť, čo si môže vyžadovať doplnkové zdroje.
(na základe 12 čitateľských recenzií)
Modern Multivariate Statistical Techniques: Regression, Classification, and Manifold Learning
Pozoruhodný pokrok vo výpočtoch a ukladaní údajov a ľahká dostupnosť obrovských súborov údajov boli kľúčom k rozvoju nových disciplín dolovania údajov a strojového učenia, zatiaľ čo obrovský úspech projektu ľudského genómu otvoril oblasť bioinformatiky.
Tento vzrušujúci vývoj, ktorý viedol k zavedeniu mnohých inovatívnych štatistických nástrojov na analýzu vysokorozmerných údajov, je tu podrobne opísaný. Autor si osvojuje široký pohľad; po prvýkrát sa v knihe o viacrozmernej analýze podrobne rozoberajú nelineárne metódy, ako aj lineárne metódy. Zahrnuté techniky siahajú od tradičných viacrozmerných metód, ako sú viacnásobná regresia, hlavné komponenty, kanonické premenné, lineárna diskriminačná analýza, faktorová analýza, zhlukovanie, viacrozmerné škálovanie a korešpondenčná analýza, až po novšie metódy odhadu hustoty, prenasledovania projekcie, neurónové siete, viacrozmerná regresia s redukovaným rangom, nelineárne množinové učenie, bagging, boosting, náhodné lesy, analýza nezávislých komponentov, stroje podporných vektorov a klasifikačné a regresné stromy. Ďalšou jedinečnou črtou tejto knihy je diskusia o systémoch riadenia databáz.
Táto kniha je vhodná pre pokročilých vysokoškolských študentov, postgraduálnych študentov a výskumníkov v oblasti štatistiky, informatiky, umelej inteligencie, psychológie, kognitívnych vied, obchodu, medicíny, bioinformatiky a inžinierstva. Vyžaduje sa znalosť viacrozmerného počtu, lineárnej algebry a pravdepodobnosti a štatistiky. Kniha predstavuje starostlivo integrovanú zmes teórie a aplikácií a klasických a moderných viacrozmerných štatistických techník vrátane bayesovských metód. V knihe je viac ako 60 zaujímavých súborov údajov použitých ako príklady, viac ako 200 cvičení a množstvo farebných ilustrácií a fotografií.
