Les algorithmes d'apprentissage automatique utilisent des méthodes de calcul pour extraire des informations directement à partir des données. L'apprentissage automatique repose sur deux types de techniques : l'apprentissage supervisé, qui entraîne un modèle à l'aide de données d'entrée et de sortie connues afin qu'il puisse prédire les résultats futurs, et l'apprentissage non supervisé, qui découvre des schémas cachés ou des structures intrinsèques dans les données d'entrée. La plupart des techniques d'apprentissage supervisé sont développées dans cet ouvrage d'un point de vue méthodologique et pratique, avec des applications à travers le logiciel R. Les techniques suivantes sont explorées en détail : analyse discriminante, modèles logit, modèles probit, modèles de comptage, modèles linéaires généralisés, modèles de choix discrets, arbres de décision et réseaux de neurones.
Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, CY, CZ, D, DK, EW, E, FIN, F, GR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.