این کتاب مروری کلی و قابل دسترس در زمینه یادگیری آماری را فراهم می نماید که ابزاری ضروری جهت شناخت مجموعه های داده ای حجیم و پیچیده می باشد. این نوع داده ها در بیست سال گذشته در زمینه هایی از زیست شناسی تا سرمایه گذاری و بازاریابی یا حتی اخترفیزیک پدید آمده است. 

 

این کتاب برخی از مهمترین تکنیک های مدل سازی و پیش بینی را همراه با برنامه های کاربردی مربوطه ارائه می دهد. 

 

مباحث اصلی کتاب: 

رگرسیون، طبقه بندی، روش resampling، رویکردهای انقباض، روش های درختی، ماشین های بردار پشتیبانی، خوشه بندی و غیره است. 

 

از آنجا که هدف از این کتاب درسی این است که استفاده از این تکنیک های یادگیری آماری توسط علاقه مندان را تسهیل کند، هر فصل شامل آموزش جامعی در مورد نحوه اجرای تجزیه و تحلیل ها و روش های ارائه شده در R می باشد.

 

نویسندگان:  Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani

 

ناشر: Springer

 

سال چاپ: 2021