Hodnotenie:
Kniha poskytuje moderný a komplexný prístup k viacrozmernej analýze, rozoberá rôzne techniky a metódy s dôrazom na praktické využitie a súčasné problémy v štatistike. Obsahuje množstvo príkladov a je vizuálne príťažlivá, čo z nej robí užitočnú príručku pre študentov a odborníkov. Jej hĺbka však môže byť pre začiatočníkov náročná a môže v nej chýbať hĺbkové pokrytie niektorých bayesovských metód.
Výhody:⬤ Ponúka nový pohľad na viacrozmernú analýzu a skúmanie údajov.
⬤ Pokrýva širokú škálu moderných techník vrátane neparametrických metód, strojového učenia a klasifikačných algoritmov.
⬤ Obsahuje množstvo reálnych príkladov a farebných grafov, ktoré zlepšujú pochopenie.
⬤ Dobre štruktúrovaná komplexná referencia pre študentov a odborníkov.
⬤ Akademická dôkladnosť s rozsiahlou bibliografiou a cvičeniami.
⬤ Nemusí byť vhodná pre začiatočníkov alebo tých, ktorí ešte nie sú oboznámení s materiálom.
⬤ Chýba podrobná diskusia o bayesovských metódach.
⬤ Niektoré kapitoly, ako napríklad kapitola o maticovej algebre, môžu narušiť plynulosť a zastrašiť menej sebavedomých čitateľov.
⬤ Považuje sa za náročnú príručku pre začínajúcich študentov v porovnaní s úvodnejšími textami.
(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.
