[Boekrecensie] The Elements of Statistical Learning (Trevor Hastie) Boeksamenvatting.

The Elements of Statistical Learning (Trevor Hastie) - Amazon Netherlands Store: https://www.amazon.nl/dp/0387848576?tag=9natreedutch-21 - Amazon Belgium Store: https://www.amazon.com.be/dp/0387848576?tag=9natreebelgium-21 - Amazon Worldwide Store: https://global.buys.trade/The-Elements-of-Statistical-Learning-Trevor-Hastie.html - Apple Books: https://books.apple.com/us/audiobook/good-cop-girl-cop-the-secret-life-of-a-police/id1474835316?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree - eBay: https://www.ebay.com/sch/i.html?_nkw=The+Elements+of+Statistical+Learning+Trevor+Hastie+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1 - Lees meer: https://dutch.9natree.com/read/0387848576/ #Begeleidenonbegeleidleren #Biasvariantieafweging #Crossvalidatieenbootstrap #Lassoenbrededata #Randomforestsenboosting #TheElementsofStatisticalLearning The Elements of Statistical Learning, Data Mining, Inference, and Prediction, tweede editie, is een omvangrijk leerboek van Trevor Hastie, Robert Tibshirani en Jerome Friedman. Het behandelt statistisch leren, het vakgebied waarin gegevens worden gebruikt om voorspellingen te doen, patronen te vinden en modellen kritisch te beoordelen. Het boek verbindt de taal van statistiek met die van machine learning, datamining en bio-informatica. Daardoor laat het zien dat methoden die in verschillende disciplines anders heten, vaak op dezelfde principes rusten. De nadruk ligt niet alleen op het uitvoeren van algoritmen, maar vooral op de vraag waarom een methode werkt, wanneer zij faalt en hoe je haar eerlijk vergelijkt met alternatieven. De tweede editie breidt de oorspronkelijke inhoud uit met onder meer random forests, regularisatiepaden, grafische modellen en technieken voor datasets met meer variabelen dan observaties. Het is geen lichte eerste kennismaking. Wel is het een gezaghebbende gids voor lezers die de statistische logica achter moderne voorspelmodellen grondig willen begrijpen.