An Introduction to Statistical Learning : with Applications in Python / Gareth JAMES

Titre : An Introduction to Statistical Learning : with Applications in Python Type de document : texte imprimé Auteurs : Gareth JAMES, Auteur ; Daniela WITTEN, Auteur ; Trevor J. HASTIE, Auteur ; Robert John TIBSHIRANI, Auteur ; Jonathan E. TAYLOR, Auteur Editeur : Springer Nature Switzerland Année de publication : 2023 Importance : 607 p. ISBN/ISSN/EAN : 978-3-031-38746-3 Note générale : Preface Contents Index Catégories : Apprentissage non supervisé (intelligence artificielle) Apprentissage profond Arbres de décision Modèles linéaires (statistique) Python (langage de programmation) Index. décimale : 519.5 Statistique mathématique Résumé : Introduction Statistical Learning Linear Regression Classiication Resampling Methods Linear Model Selection and Regularization Moving Beyond Linearity Tree-Based Methods Support Vector Machines Deep Learning Survival Analysis and Censored Data Unsupervised Learning Multiple Testing

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
B00011815	519.5 JAM	Ouvrage	BIBLIOTHÈQUE - ACCÈS LIBRE	500 - Sciences - Mathématiques	Sorti jusqu'au 15/05/2026

The Elements of Statistical Learning : Data Mining, Inference, and Prediction / Trevor J. HASTIE  

Titre : The Elements of Statistical Learning : Data Mining, Inference, and Prediction Type de document : texte imprimé Auteurs : Trevor J. HASTIE, Auteur ; Robert John TIBSHIRANI, Auteur ; Jerome H. FRIEDMAN, Auteur Mention d'édition : 2nd edition Editeur : New York (N. Y.) : Springer Année de publication : 2017 Collection : Springer series in statistics, ISSN 0172-7397 Importance : 745 p. ISBN/ISSN/EAN : 978-0-387-84857-0 Note générale : Prefaces Contents References Author Index Index Catégories : Apprentissage supervisé (intelligence artificielle) Intelligence computationnelle Réseaux neuronaux (informatique) Index. décimale : 006.3 Intelligence artificielle Résumé : Introduction 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 Vectors Machines and Flexible Discriminants Prototype Methods and Nearest-Neighbors Unsupervised Learning Random Forests Ensemble Learning Undirected Graphical Models High-Dimensional Problems: p >> N En ligne : https://web.stanford.edu/~hastie/Papers/ESLII.pdf

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
B00014569	006.3 HAS	Ouvrage	BIBLIOTHÈQUE - ACCÈS LIBRE	000 - Informatique - Bibliothéconomie	Disponible
B00011585	006.3 HAS	Ouvrage	BIBLIOTHÈQUE - ACCÈS LIBRE	000 - Informatique - Bibliothéconomie	Sorti jusqu'au 15/05/2026

---

1 (1 - 2 / 2) Par page : 25 50 100 200