Modern Multivariate Statistical Techniques: Regresión, clasificación y aprendizaje múltiple

Opiniones de los lectores

El libro ofrece un enfoque moderno y exhaustivo del análisis multivariante, analizando una variedad de técnicas y métodos con énfasis en la aplicación práctica y los temas contemporáneos de la estadística. Incluye numerosos ejemplos y es visualmente atractivo, lo que lo convierte en una referencia útil para estudiantes de posgrado y profesionales. Sin embargo, su profundidad puede suponer un reto para los principiantes y puede carecer de una cobertura en profundidad de ciertos métodos bayesianos.

⬤ Ofrece una nueva perspectiva sobre el análisis multivariante y la exploración de datos.
⬤ Cubre una amplia gama de técnicas modernas, incluyendo métodos no paramétricos, aprendizaje automático y algoritmos de clasificación.
⬤ Incluye numerosos ejemplos del mundo real y gráficos en color que mejoran la comprensión.
⬤ Bien estructurado como referencia exhaustiva para estudiantes y profesionales.
⬤ Rigurosidad académica con una amplia bibliografía y ejercicios.

⬤ Puede no ser adecuado para principiantes o para quienes no estén familiarizados con el material.
⬤ Carece de una discusión en profundidad de los métodos bayesianos.
⬤ Algunos capítulos, como el del álgebra matricial, pueden interrumpir el flujo e intimidar a los lectores menos confiados.
⬤ Se considera una referencia difícil para los principiantes en comparación con otros textos más introductorios.

(basado en 12 opiniones de lectores)

Título original:

Modern Multivariate Statistical Techniques: Regression, Classification, and Manifold Learning

Contenido del libro:

Los notables avances en computación y almacenamiento de datos y la fácil disponibilidad de enormes conjuntos de datos han sido las claves del crecimiento de las nuevas disciplinas de la minería de datos y el aprendizaje automático, mientras que el enorme éxito del Proyecto Genoma Humano ha abierto el campo de la bioinformática.

Estos apasionantes acontecimientos, que han dado lugar a la introducción de numerosas herramientas estadísticas innovadoras para el análisis de datos de alta dimensión, se describen aquí con todo detalle. El autor adopta una perspectiva amplia; por primera vez en un libro sobre análisis multivariante, se tratan en detalle los métodos no lineales, además de los lineales. Las técnicas tratadas van desde los métodos multivariantes tradicionales, como la regresión múltiple, los componentes principales, las variantes canónicas, el análisis discriminante lineal, el análisis factorial, la agrupación, el escalado multidimensional y el análisis de correspondencias, hasta los métodos más recientes de estimación de la densidad, búsqueda de proyección, redes neuronales, regresión multivariante de rango reducido, aprendizaje múltiple no lineal, bagging, boosting, bosques aleatorios, análisis de componentes independientes, máquinas de vectores soporte y árboles de clasificación y regresión. Otra característica única de este libro es el análisis de los sistemas de gestión de bases de datos.

Este libro es apropiado para estudiantes universitarios avanzados, estudiantes de posgrado e investigadores en estadística, informática, inteligencia artificial, psicología, ciencias cognitivas, negocios, medicina, bioinformática e ingeniería. Se requiere estar familiarizado con el cálculo multivariable, el álgebra lineal y la probabilidad y estadística. El libro presenta una mezcla cuidadosamente integrada de teoría y aplicaciones, y de técnicas estadísticas multivariantes clásicas y modernas, incluidos los métodos bayesianos. Hay más de 60 conjuntos de datos interesantes utilizados como ejemplos en el libro, más de 200 ejercicios y muchas ilustraciones y fotografías en color.