Modélisation prédictive et apprentissage statist... Infodoc

Accueil

Adresse

Infodoc : Réseau des bibliothèques et centres de documentation d'AgroParisTech

France

contact

Array
(
    [TITRE] => <b>Type de document : </b>
    [TITRE_CLEAN] => Type de document
    [OPAC_SHOW] => 1
    [TYPE] => list
    [AFF] => Livre
    [ID] => 4
    [NAME] => cp_typdoc
    [DATATYPE] => integer
    [VALUES] => Array
        (
            [0] => 5
        )

)

Modélisation prédictive et apprentissage statistique avec R

Titre :	Modélisation prédictive et apprentissage statistique avec R Ajouter au panier
Auteur(s) :	Stéphane Tufféry, Auteur (et co-auteur)
Type de document :	Livre
Sujets :	Statistique mathématique ; R (logiciel) ; Exploration de données ; Apprentissage automatique ; Modèles mathématiques
Résumé :	Cet ouvrage présente les principales méthodes de modélisation statistique et de machine learning, à travers le fil conducteur d'une étude de cas bancaire. Chaque méthode fait l'objet d'un rappel de cours et est accompagnée de références bibliographiques, puis est mise en œuvre avec des explications détaillées sur les calculs effectués, les interprétations des résultats, et jusqu'aux astuces de programmation permettant d'optimiser les temps de calcul. À ce sujet, une annexe est consacrée au traitement des données massives.
Editeur(s) :	Paris : Editions Technip
Date de publication :	2024
Mention d'édition :	3e éd. actualisée et augmentée
Format :	1 vol. (XIII-476 p.) / ill. / 24 cm
Note(s) :	Bibliogr. et webliogr. p. 473-476. Index La couverture porte en plus : "AutoML, arbre CART, données massives, forêts aléatoires, gradient boosting, lasso, logistique PLS, machine learning, régression ridge, réseaux de neurones, support vector machines, valeur de Shapley"
Table des matières :	P. V. Avant-propos P. 1. Présentation du jeu de données P. 7. Préparation des données P. 13. Exploration des données P. 55. Discrétisation automatique supervisée des variables continues P. 69. La régression logistique P. 149. La régression logistique ridge P. 167. La régression logistique lasso P. 197. La régression logistique PLS P. 211. L'arbre de décision CART P. 233. L'algorithme PRIM P. 249. Les forê[...] P. V. Avant-propos P. 1. Présentation du jeu de données P. 7. Préparation des données P. 13. Exploration des données P. 55. Discrétisation automatique supervisée des variables continues P. 69. La régression logistique P. 149. La régression logistique ridge P. 167. La régression logistique lasso P. 197. La régression logistique PLS P. 211. L'arbre de décision CART P. 233. L'algorithme PRIM P. 249. Les forêts aléatoires P. 279. Le bagging P. 283. Les forêts aléatoires de modèles logistiques P. 297. Le boosting P. 325. Les Support Vector Machines P. 365. Les réseaux de neurones artificiels P. 389. Les nouveaux outils du machine learning P. 427. Synthèse des méthodes prédictives P. 433. Annexe 1 : La détection des règles d'association P. 449. Annexe 2 : La performance des calculs en grande dimension P. 465. Annexe 3 : L'utilisation de R dans le logiciel SAS P. 473. Bibliographie P. 477. Index des notions vues P. 479. Index des packages R utilisés
Langue(s) :	Français
Identifiant :	978-2-7108-1199-2
Lien vers la notice :	https://infodoc.agroparistech.fr/index.php?lvl=notice_display&id=225333

Réserver

Exemplaires (1)

Localisation	Emplacement	Pôle	Section	Cote	Support	Disponibilité
Montpellier	Bibliothèque		Sciences de l'ingénieur	21 TUF	Papier	Empruntable Disponible

Infodoc : Réseau des bibliothèques et centres de documentation d'AgroParisTech

Infodoc : Sciences, Techniques et Culture

Accueil

Sélection de la langue

Adresse

Exemplaires (1)

Se connecter