An Introduction to Statistical Learning: with Applications in Python

An Introduction to Statistical Learning is een toegankelijke inleiding in de wereld van statistisch leren, een onmisbaar gereedschap voor het begrijpen van de enorme en complexe datasets die in de afgelopen twintig jaar zijn ontstaan in diverse disciplines zoals biologie, financiën, marketing en astrofysica. Dit boek behandelt enkele van de belangrijkste modellen en voorspellingstechnieken, vergezeld van relevante toepassingen.

Inhoud en Structuur van het Boek

De belangrijkste onderwerpen die aan bod komen zijn onder andere:

- Lineaire regressie

- Classificatie

- Resamplingmethoden

- Shrinkage-benaderingen

- Boom-gebaseerde methoden

- Support vector machines

- Clustering

- Deep learning

- Overlevingsanalyse

- Meervoudige testing

Color graphics en real-world voorbeelden worden gebruikt om de gepresenteerde methoden te illustreren.

Praktische Toepasbaarheid

Een belangrijk doel van dit handboek is het bevorderen van het gebruik van statistische leertechnieken door practitioners in wetenschap, industrie en andere sectoren. Elke hoofdstuk bevat een tutorial waarin de analyses en methoden die worden gepresenteerd, worden geïmplementeerd in R, een uiterst populair open-source statistisch softwareplatform. Dit maakt het voor lezers eenvoudig om de besproken technieken in de praktijk toe te passen.

Doelgroep

An Introduction to Statistical Learning is gericht op zowel statistici als niet-statistici die geïnteresseerd zijn in het toepassen van moderne statistische leertechnieken op hun gegevens. De tekst veronderstelt alleen dat de lezer een eerdere cursus in lineaire regressie heeft gevolgd en vereist geen kennis van matrixalgebra.

Nieuwe Features in de Tweede Editie

De Tweede Editie, uitgebracht in 2021, bevat nieuwe hoofdstukken over deep learning, overlevingsanalyse en meervoudige testing, samen met uitgebreide behandelingen van onderwerpen zoals naïve Bayes, gegeneraliseerde lineaire modellen, Bayesian additive regression trees en matrixvoltooiing. Het R-code is in dit nieuwe formaat bijgewerkt om compatibiliteit te garanderen.

Met in totaal 622 pagina's biedt dit boek een uitgebreide en gedetailleerde gids, waardoor het een waardevolle bron is voor iedereen die zich wil verdiepen in statistisch leren en data-analyse, en de mogelijkheden ervan wil benutten voor hun eigen onderzoeksbehoeften.