『統計的学習の基礎：データマイニング・推論・予測』（原書）第２版 The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Springer Series in Statistics) （2nd ed. 2009, Corr. 3rd printing）

『統計的学習の基礎：データマイニング・推論・予測』（原書）第２版<br>The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Springer Series in Statistics) （2nd ed. 2009, Corr. 3rd printing）

個数：

『統計的学習の基礎：データマイニング・推論・予測』（原書）第２版
The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Springer Series in Statistics) （2nd ed. 2009, Corr. 3rd printing）

Hastie, T./ Tibshirani, R.

アメリカ（US）から取り寄せる

ウェブストア価格 ¥17,351（本体¥15,774）
Springer（2009/11発売）
外貨定価 US$ 84.99
ポイント 157pt

提携先の海外書籍取次会社に在庫がございます。通常3週間で発送いたします。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合が若干ございます。
2. 複数冊ご注文の場合、分割発送となる場合がございます。
3. 美品のご指定は承りかねます。

●3Dセキュア導入とクレジットカードによるお支払いについて

ドイツ（DK）から取り寄せる

ウェブストア価格 ¥16,661（本体¥15,147）
Springer（2009/11発売）
外貨定価 EUR 71.05
ポイント 151pt

提携先の海外書籍取次会社に在庫がございます。通常約3週間で発送いたします。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合が若干ございます。
2. 複数冊ご注文の場合、分割発送となる場合がございます。
3. 美品のご指定は承りかねます。

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Hardcover:ハードカバー版／ページ数 745 p.／サイズ 600 illus. in color
言語 ENG
商品コード 9780387848570
DDC分類 519

基本説明

Topics include neural networks, support vector machines, classification trees and boosting - the first comprehensive treatment of this topic in any book : Includes over 200 pages of four-color graphics. This major new edition features many topics not covered in the original, including graphical models, random forests, ensemble methods, least angle regression and path algorithms for the lasso, non-negative matrix factorization, and spectral clustering. Written for researchers and graduate students.

Full Description

This book describes the important ideas in a variety of fields such as medicine, biology, finance, and marketing in a common conceptual framework. While the approach is statistical, the emphasis is on concepts rather than mathematics. Many examples are given, with a liberal use of colour graphics. It is a valuable resource for statisticians and anyone interested in data mining in science or industry. The book's coverage is broad, from supervised learning (prediction) to unsupervised learning. The many topics include neural networks, support vector machines, classification trees and boosting---the first comprehensive treatment of this topic in any book.

This major new edition features many topics not covered in the original, including graphical models, random forests, ensemble methods, least angle regression & path algorithms for the lasso, non-negative matrix factorisation, and spectral clustering. There is also a chapter on methods for "wide'' data (p bigger than n), including multiple testing and false discovery rates.

Overview of Supervised Learning.- Linear Methods for Regression.- Linear Methods for Classification.- Basis Expansions and Regularization.- Kernel Smoothing Methods.- Model Assessment and Selection.- Model Inference and Averaging.- Additive Models, Trees, and Related Methods.- Boosting and Additive Trees.- Neural Networks.- Support Vector Machines and Flexible Discriminants.- Prototype Methods and Nearest-Neighbors.- Unsupervised Learning.- Random Forests.- Ensemble Learning.- Undirected Graphical Models.- High-Dimensional Problems: p ? N.