Técnicas estadísticas multivariantes modernas: Regresión, clasificación y aprendizaje múltiple

Opiniones de los lectores

El libro ofrece un enfoque refrescante y moderno del análisis multivariante, abarcando una amplia gama de técnicas y aplicaciones contemporáneas. Es muy adecuado para estudiantes avanzados y profesionales de la estadística y la ciencia de datos, ya que profundiza en algunas áreas al tiempo que mantiene una amplitud exhaustiva. Sin embargo, puede no ser ideal para principiantes debido a la complejidad del material y a la brevedad de los temas fundamentales.

⬤ Cobertura exhaustiva de las técnicas multivariantes modernas.
⬤ Adecuado para estudiantes avanzados y profesionales de la estadística y la ciencia de datos.
⬤ Buena integración de diversas aplicaciones (genética, medicina, etc.) con ejemplos útiles.
⬤ Bellamente presentado con gráficos en color y un diseño bien estructurado.
⬤ Incluye ideas sobre cuestiones prácticas como la calidad de los datos y la exploración.

⬤ Asume conocimientos previos de álgebra matricial y métodos multivariantes, lo que puede no ser adecuado para principiantes.
⬤ Algunos temas, en particular los métodos bayesianos, están poco representados.
⬤ El capítulo en el que se revisa el álgebra matricial/lineal se considera demasiado breve y puede interrumpir el flujo para los lectores menos confiados.
⬤ Puede resultar difícil de aprender para quienes no estén familiarizados con el material, lo que puede requerir recursos complementarios.

(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.