【2022新书】机器学习中的统计建模:概念和应用,398页pdf

2022 年 11 月 5 日 专知

《机器学习中的统计建模:概念和应用》介绍了统计、探索性数据分析和机器学习的基本概念和作用。本文将讨论机器学习的各个方面以及统计的基础知识。通过简单的例子和图形表示来介绍概念,以便更好地理解技术。这本书采取了一个整体的方法-把关键概念与机器学习的多学科应用的深入论述放在一起。讨论了新的案例研究和研究问题陈述,这将帮助研究人员在他们的应用领域基于统计和机器学习的概念。机器学习中的统计建模:概念和应用将帮助统计学家、机器学习从业者和程序员解决各种任务,如分类、回归、聚类、预测、推荐等。

https://www.elsevier.com/books/statistical-modeling-in-machine-learning/goswami/978-0-323-91776-6

  • 通过实际问题、应用和教程的帮助,提供了应用于机器学习的最新统计概念的全面概述

  • 介绍了从基本原理到先进技术的逐步方法

  • 包括成功和不成功的机器学习应用的案例研究,以理解其实现中的挑战,以及工作的例子


1. Introduction to Statistical Modelling in Machine Learning - A Case Study
2. A Technique of Data Collection- Web Scraping with Python
3. Analysis of Covid-19 using Machine Learning Techniques
4. Discriminative Dictionary Learning based on Statistical Methods
5. Artificial Intelligence based Uncertainty Quantification technique for External flow CFD simulations
6. Music Genres Classification
7. Classification Model of Machine Learning for Medical Data Analysis
8. Regression Models for Machine learning
9. Model Selection and Regularization
10. Data Clustering using Unsupervised Machine Learning
11. Emotion-based classification through fuzzy entropy enhanced FCM clustering
12. Fundamental Optimization Methods for Machine Learning
13. Stochastic Optimization of Industrial Grinding Operation through Data-Driven Robust Optimization
14. Dimensionality Reduction using PCAs in Feature Partitioning Framework
15. Impact of Mid-Day Meal Scheme in Primary Schools in India using Exploratory Data Analysis and Data Visualisation
16. Nonlinear System Identification of Environmental pollutants using Recurrent Neural Networks and Global Sensitivity Analysis
17. Comparative Study of Automated Deep Learning Techniques for Wind Time Series Forecasting


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“S398” 就可以获取【2022新书】机器学习中的统计建模:概念和应用,398页pdf》专知下载链接

                       
专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取100000+AI(AI与军事、医药、公安等)主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取100000+AI主题知识资料

登录查看更多
40

相关内容

统计建模是以计算机统计分析软件为工具,利用各种统计分析方法对批量数据建立统计模型和探索处理的过程,用于揭示数据背后的因素,诠释社会经济现象,或对经济和社会发展作出预测或判断。通过统计建模课程学习,可有助于培养统计专业人员利用统计方法解决实际问题的能力
【2022新书】深度学习R语言实战,第二版,568页pdf
专知会员服务
85+阅读 · 2022年10月23日
【2022新书】Python数据科学导论,309页pdf
专知会员服务
81+阅读 · 2022年8月6日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
【2020新书】概率机器学习,附212页pdf与slides
专知会员服务
108+阅读 · 2020年11月12日
【新书】贝叶斯网络进展与新应用,附全书下载
专知会员服务
119+阅读 · 2019年12月9日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
【2022新书】Python数据分析第三版,579页pdf
专知
19+阅读 · 2022年8月31日
【2022新书】Python数据科学导论,309页pdf
专知
5+阅读 · 2022年8月6日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
15+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
国家自然科学基金
7+阅读 · 2009年12月31日
国家自然科学基金
4+阅读 · 2008年12月31日
Arxiv
14+阅读 · 2022年10月15日
Arxiv
19+阅读 · 2022年7月29日
Arxiv
12+阅读 · 2021年6月29日
Arxiv
56+阅读 · 2021年5月3日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Arxiv
26+阅读 · 2018年8月19日
VIP会员
相关VIP内容
【2022新书】深度学习R语言实战,第二版,568页pdf
专知会员服务
85+阅读 · 2022年10月23日
【2022新书】Python数据科学导论,309页pdf
专知会员服务
81+阅读 · 2022年8月6日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
【2020新书】概率机器学习,附212页pdf与slides
专知会员服务
108+阅读 · 2020年11月12日
【新书】贝叶斯网络进展与新应用,附全书下载
专知会员服务
119+阅读 · 2019年12月9日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
相关基金
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
15+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
国家自然科学基金
7+阅读 · 2009年12月31日
国家自然科学基金
4+阅读 · 2008年12月31日
相关论文
Arxiv
14+阅读 · 2022年10月15日
Arxiv
19+阅读 · 2022年7月29日
Arxiv
12+阅读 · 2021年6月29日
Arxiv
56+阅读 · 2021年5月3日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Arxiv
26+阅读 · 2018年8月19日
Top
微信扫码咨询专知VIP会员