Would you like to see this page in English? Click here.


または
1-Clickで注文する場合は、サインインをしてください。
または
Amazonプライム会員に適用。注文手続きの際にお申し込みください。詳細はこちら
こちらからも買えますよ
この商品をお持ちですか？ マーケットプレイスに出品する
The Elements of Statistical Learning: Data Mining, Inference, and Prediction (Springer Series in Statistics)
 
 
自分のイメージを掲載する
この本の中身を閲覧する

The Elements of Statistical Learning: Data Mining, Inference, and Prediction (Springer Series in Statistics) [ハードカバー]

Trevor Hastie (著), Robert Tibshirani (著), Jerome Friedman (著)
5つ星のうち 3.5  レビューをすべて見る (4件のカスタマーレビュー)
参考価格: ￥ 8,328
価格： ￥ 7,396 通常配送無料 詳細
OFF： ￥ 932 (11%)
o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o
在庫あり。 在庫状況について
この商品は、Amazon.co.jp が販売、発送します。 ギフトラッピングを利用できます。
16点在庫あり。ご注文はお早めに。
2012/2/24 金曜日 にお届けします！ 「お急ぎ便」オプション（有料）を選択して注文を確定された関東エリアへの配達のご注文が対象です。詳しくはこちら

よく一緒に購入されている商品

この本とPattern Recognition And Machine Learning (Information Science and Statistics) Christopher M. Bishop ハードカバー ￥ 7,819 をあわせて買う

The Elements of Statistical Learning: Data Mining, Inference, and Prediction (Springer Series in Statistics) + Pattern Recognition And Machine Learning (Information Science and Statistics)
合計価格: ￥ 15,215

在庫状況の表示

  • 対象商品: The Elements of Statistical Learning: Data Mining, Inference, and Prediction (Springer Series in Statistics) Trevor Hastie ハードカバー

    在庫あり。 在庫状況について
    この商品は、Amazon.co.jp が販売、発送します。
    通常配送無料（一部の商品・注文方法等を除く） 詳細

  • Pattern Recognition And Machine Learning (Information Science and Statistics) Christopher M. Bishop ハードカバー

    在庫あり。 在庫状況について
    この商品は、Amazon.co.jp が販売、発送します。
    通常配送無料（一部の商品・注文方法等を除く） 詳細

この商品を買った人はこんな商品も買っています

商品の説明

内容説明

During the past decade there has been an explosion in computation and information technology. With it have come vast amounts of data in a variety of fields such as medicine, biology, finance, and marketing. The challenge of understanding these data has led to the development of new tools in the field of statistics, and spawned new areas such as data mining, machine learning, and bioinformatics. Many of these tools have common underpinnings but are often expressed with different terminology. This book describes the important ideas in these areas 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 color 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 factorization, and spectral clustering. There is also a chapter on methods for ``wide'' data (p bigger than n), including multiple testing and false discovery rates.

Book Description

During the past decade there has been an explosion in computation and information technology. With it has come vast amounts of data in a variety of fields such as medicine, biology, finance, and marketing. The challenge of understanding these data has led to the development of new tools in the field of statistics, and spawned new areas such as data mining, machine learning, and bioinformatics.

Many of these tools have common underpinnings but are often expressed with different terminology. This book descibes theimprtant ideas in these areas ina 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 color graphics. It should be a vluable resource for statisticians and anyone interested in data mining in science or industry.

The book's coverage is broad, from supervised learing (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.

Trevor Hastie, Robert Tibshirani, and Jerome Friedman are professors of statistics at Stanford University. They are prominent researchers in this area: Hastie and Tibshirani developed generalized additive models and wrote a popular book of that title. Hastie wrote much of the statistical modeling software in S-PLUS and invented principal curves and surfaces. Tibshirani proposed the Lasso and is co-author of the very successful An Introduction to the Bootstrap. Friedman is the co-inventor of many data-mining tools including CART, MARS, and projection pursuit.
--このテキストは、絶版本またはこのタイトルには設定されていない版型に関連付けられています。

商品の説明をすべて表示する

登録情報

  • ハードカバー: 745ページ
  • 出版社: Springer-Verlag; 2版 (2009/03)
  • 言語 英語, 英語, 英語
  • ISBN-10: 0387848576
  • ISBN-13: 978-0387848570
  • 発売日： 2009/03
  • 商品の寸法: 23.4 x 15.7 x 3.8 cm
  • おすすめ度： 5つ星のうち 3.5  レビューをすべて見る (4件のカスタマーレビュー)
  • Amazon ベストセラー商品ランキング: 洋書 - 28,511位 (洋書のベストセラーを見る)

    •  カタログ情報、または画像について報告

  • 目次を見る
この本のなか見！検索より （詳細はこちら）
この本のサンプルページを閲覧する
おもて表紙 | 著作権 | 目次 | 抜粋 | 索引
この本の中身を閲覧する:

類似した商品から提示されたタグ

 (詳細)
関連タグ(この商品に近い関連キーワード)を追加する++最初のタグになります
 
(5)
(3)
(2)
(3)
(2)
(1)
(1)
(2)
(1)
(1)
 
最も人気のあるタグを見る
 

カスタマーレビュー

4レビュー
星5つ:
 (1)
星4つ:
 (2)
星3つ:    (0)
星2つ:    (0)
星1つ:
 (1)
 
 
 
 
 
おすすめ度
5つ星のうち 3.5 (4件のカスタマーレビュー)
 
 
 
 
あなたの意見や感想を教えてください:
最も参考になったカスタマーレビュー

21 人中、16人の方が、｢このレビューが参考になった｣と投票しています。
5つ星のうち 5.0 リファレンスとしてもお勧めできます, 2001/12/1
レビュー対象商品: The Elements of Statistical Learning: Data Mining, Inference, and Prediction (Springer Series in Statistics) (ハードカバー)
これ一冊を手元に置くと、2001年の統計的学習理論の全体を俯瞰することができ、
とても重宝しています。理論的に難しい議論は、原著論文あるいはその後の最新の論文
へのポインタを表示するにとどめ、全体を読者に理解させることにとても注意が払われてい
ます。この本に紹介されている手法のアルゴリズムをユーザとして実装できれば良い読者に

も、これから統計的学習理論を計算機科学あるいは統計学の立場から研究しようとする
初学者にもお勧めできると思います。各章は独立して書かれており、必ずしも最初から読
む必要もなさそうです。

レビューを評価してください 
このレビューは参考になりましたか？ はい いいえ


5 人中、4人の方が、｢このレビューが参考になった｣と投票しています。
5つ星のうち 4.0 良い入門書, 2003/6/25
By カスタマー
レビュー対象商品: The Elements of Statistical Learning: Data Mining, Inference, and Prediction (Springer Series in Statistics) (ハードカバー)
ブースティング、サポートベクタマシンなどの機械学習の最近のトピックに加え、データマイニングの世界で標準的な道具である相関ルールまでカバーできていて、説明も丁度良いくらいの数学で、これから機械学習の分野を勉強し、研究したいと思っている方にはよい入門書であると思います。

少し深めの話題もあって、ある程度この分野を知っている方でも、結構学べるところがあると思います。

レビューを評価してください 
このレビューは参考になりましたか？ はい いいえ


1 人中、1人の方が、｢このレビューが参考になった｣と投票しています。
5つ星のうち 4.0 コレぞMust Buy Item, 2010/8/23
レビュー対象商品: The Elements of Statistical Learning: Data Mining, Inference, and Prediction (Springer Series in Statistics) (ハードカバー)
ここ１０年ほど、
統計的学習理論の分野では
Lasso推定などの正則化推定が非常に流行しています。

これは
近年の計算機技術の発展に伴う
新しいタイプのデータ解析の際に
非常に重要となるものであり、
私も勉強・研究しています。

この本の著者３人、
Hastie, Tibshirani, Friedman
はこの分野のフロンティアであり、

本の内容としても
統計的学習理論の内容を広くカバーしたものとなっており、
非常に有益な本です。

まぁ
確かに広範囲をカバーしているために
一つひとつのトピックは浅くなってしまってますが、

そもそも
この分野全体をカバーした上で
詳しい理論展開を載せるなんて
明らかに不可能。

それに
この本が読める人は
原著論文も読める人のハズ。

そして
深い理論が知りたいのであれば
論文を読むに越したことはありません。

というわけで
この本の使い方としましては
「トピックと概要を抑える」
というのをオススメします。

そして
もしこの本に興味を持たれた方は
この本を基に
原著論文を読まれることを期待します。
レビューを評価してください 
このレビューは参考になりましたか？ はい いいえ

あなたの意見や感想を教えてください: 自分のレビューを作成する
 
 		 最近のカスタマーレビュー


この商品のカスタマーレビューだけを検索する


クチコミ

クチコミは、商品やカテゴリー、トピックについて他のお客様と語り合う場です。お買いものに役立つ情報交換ができます。
この商品のクチコミ一覧
内容・タイトル 返答 最新の投稿
まだクチコミはありません

複数のお客様との意見交換を通じて、お買い物にお役立てください。
新しいクチコミを作成する
タイトル:
最初の投稿:
サインインが必要です
 

クチコミを検索
すべてのクチコミを検索
   

リストマニア

リストを作成

関連商品を探す

同じキーワードの商品を探す























この本は、それぞれの上記のテーマに含まれています。

フィードバック


Amazon.co.jpのプライバシー ステートメント Amazon.co.jpの発送情報 Amazon.co.jpでの返品と交換