Introducción al aprendizaje estadístico: Con aplicaciones en R

Opiniones de los lectores

El libro está ampliamente considerado como una introducción completa y accesible al aprendizaje estadístico, que ofrece aplicaciones prácticas y explicaciones claras. Su contenido está bien estructurado tanto para principiantes como para estudiantes avanzados, lo que lo convierte en un valioso recurso para científicos de datos y estadísticos. Sin embargo, algunos usuarios señalaron problemas con la calidad de la encuadernación y consideraron que faltaban algunos debates o que el texto podía ser demasiado denso en algunos puntos.

Contenido accesible apto para un público amplio, explicaciones claras de conceptos clave, aplicaciones prácticas con ejemplos de código en R y Python, incluye capítulos actualizados, buena calidad de impresión, redacción atractiva a cargo de autores de renombre, versión en línea gratuita disponible y un buen equilibrio entre teoría y sentido práctico.

Se han señalado problemas con la calidad de la encuadernación, algunos conceptos pueden resultar abrumadores para los principiantes, carece de ciertas discusiones como R-cuadrado ajustado, y algunas reseñas mencionan una tendencia al exceso de texto con insuficiente representación gráfica.

(basado en 48 opiniones de lectores)

Título original:

An Introduction to Statistical Learning: With Applications in R

Contenido del libro:

An Introduction to Statistical Learning ofrece una visión general y accesible del campo del aprendizaje estadístico, un conjunto de herramientas esenciales para dar sentido a los vastos y complejos conjuntos de datos que han surgido en campos que van desde la biología a las finanzas, pasando por el marketing o la astrofísica, en los últimos veinte años. Este libro presenta algunas de las técnicas de modelización y predicción más importantes, junto con las aplicaciones pertinentes. Los temas incluyen regresión lineal, clasificación, métodos de remuestreo, enfoques de contracción, métodos basados en árboles, máquinas de vectores de soporte, agrupación, aprendizaje profundo, análisis de supervivencia, pruebas múltiples y más. Se utilizan gráficos en color y ejemplos reales para ilustrar los métodos presentados. Dado que el objetivo de este libro de texto es facilitar el uso de estas técnicas de aprendizaje estadístico a los profesionales de la ciencia, la industria y otros campos, cada capítulo contiene un tutorial sobre la implementación de los análisis y métodos presentados en R, una plataforma de software estadístico de código abierto extremadamente popular.

Dos de los autores son coautores de The Elements of Statistical Learning (Hastie, Tibshirani y Friedman, 2ª edición, 2009), un popular libro de referencia para investigadores en estadística y aprendizaje automático. An Introduction to Statistical Learning abarca muchos de los mismos temas, pero a un nivel accesible para un público mucho más amplio. Este libro está dirigido tanto a estadísticos como a no estadísticos que deseen utilizar técnicas punteras de aprendizaje estadístico para analizar sus datos. El texto sólo presupone un curso previo de regresión lineal y ningún conocimiento de álgebra matricial.

Esta segunda edición incluye nuevos capítulos sobre aprendizaje profundo, análisis de supervivencia y pruebas múltiples, así como tratamientos ampliados de Bayes na ve, modelos lineales generalizados, árboles de regresión aditiva bayesiana y compleción de matrices. El código R se ha actualizado para garantizar la compatibilidad.