Algorithmen des maschinellen Lernens nutzen rechnergestützte Methoden, um Informationen direkt aus Daten zu extrahieren. Maschinelles Lernen verwendet zwei Techniken: überwachtes Lernen, bei dem ein Modell mit bekannten Eingabe- und Ausgabedaten trainiert wird, um zukünftige Ergebnisse vorherzusagen, und unüberwachtes Lernen, bei dem versteckte Muster oder intrinsische Strukturen in den Eingabedaten gefunden werden. Die meisten Techniken des überwachten Lernens werden in diesem Buch aus methodischer und praktischer Sicht entwickelt und mit der Software R angewendet. Die folgenden Techniken werden ausführlich behandelt: Diskriminanzanalyse, Logit-Modelle, Probit-Modelle, Zählmodelle, verallgemeinerte lineare Modelle, diskrete Auswahlmodelle, Entscheidungsbäume und neuronale Netze.
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.