Régression Avec R de Eric Matzner-Lober Format Grand format

Regression Avec R de Pierre-André Cornillon - Eric Matzner-Lober

3e édition
Collection: Pratique R
Format: Grand format

Filtrer par :

Vous avez choisi le retrait chez le vendeur à

Payez directement sur Rakuten (CB, PayPal, 4xCB...)
Récupérez le produit directement chez le vendeur
Rakuten vous rembourse en cas de problème

Terminer ma commande

Gratuit et sans engagement

Félicitations !

Nous sommes heureux de vous compter parmi nos membres du Club Rakuten !

TROUVER UN MAGASIN

Adresse

Retour

Horaires

Note :

Les meilleurs avis sur Régression Avec R de Eric Matzner - Lober Format Grand format < - Livre Mathématiques

Donnez votre avis sur ce produit

Votre note * : 1/5 2/5 3/5 4/5 5/5 Veuillez donner une note au produit

Le titre de votre avis* : Saisissez un titre

Quelques conseils :

Donnez le ton de votre avis, résumez-le en quelques mots qui apparaîtront comme le titre de votre avis.

Votre avis* : (40 caractères minimum) Saisissez un avis

Quelques conseils :

N'hésitez pas à mettre en avant les caractéristiques de ce produit, n'oubliez pas de mentionner ses avantages et/ou ses défauts éventuels. Décrivez précisément, argumentez, soyez convaincant !

Annuler

Les avis publiés font l'objet d'un contrôle automatisé de Rakuten.

Produits similaires

Tous les modèles disponibles

Régression Avec R de Eric Matzner-Lober Format Grand format Régression Avec R de Eric Matzner-Lober Format Broché Régression Avec R de Eric Matzner-Lober Format Grand format

Présentation Régression Avec R de Eric Matzner - Lober Format Grand format
- Livre Mathématiques

Livre Mathématiques - Eric Matzner-Lober - 11/05/2023 - Grand format - Langue : Français

Auteur(s) : Eric Matzner-Lober - Laurent Rouvière - Nicolas Hengartner - Pierre-André Cornillon

Editeur : Edp Sciences

Collection : Pratique R

Langue : Français

Parution : 11/05/2023

Nombre de pages : 432

Expédition : 682

Dimensions : 23.5 x 15.7 x 2.5

ISBN : 9782759831456

Résumé :
Cet ouvrage expose de manière détaillée, exemples à l'appui, différentes façons de répondre à un des problèmes statistiques les plus courants : la régression. Cette nouvelle édition se décompose en cinq parties. La première donne les grands principes des régressions simple et multiple par moindres carrés. Les fondamentaux de la méthode, tant au niveau des choix opérés que des hypothèses et leur utilité, sont expliqués. La deuxième partie est consacrée à l'inférence et présente les outils permettant de vérifier les hypothèses mises en oeuvre. Les techniques d'analyse de la variance et de la covariance sont également présentées dans cette partie. Le cas de la grande dimension est ensuite abordé dans la troisième partie. Différentes méthodes de réduction de la dimension telles que la sélection de variables, les régressions sous contraintes (lasso, elasticnet ou ridge) et sur composantes (PLS ou PCR) sont notamment proposées. Un dernier chapitre propose des algorithmes, basés sur des méthodes de rééchantillonnage comme l'apprentissage/validation ou la validation croisée, qui permettent d'établir une comparaison entre toutes ces méthodes. La quatrième partie se concentre sur les modèles linéaires généralisés et plus particulièrement sur les régressions logistique et de Poisson avec ou sans technique de régularisation. Une section particulière est consacrée aux comparaisons de méthodes en classification supervisée. Elle introduit notamment des critères de performance pour scorer des individus comme les courbes ROC et lift et propose des stratégies de choix seuil (Younden, macro F1...) pour les classer. Ces notions sont ensuite mises en oeuvre sur des données réelles afin de sélectionner une méthode de prévision parmi plusieurs algorithmes basés sur des modèles logistiques (régularisés ou non). Une dernière section aborde le problème des données déséquilibrées qui est souvent rencontré en régression binaire. Enfin, la dernière partie présente l'approche non paramétrique à travers les splines, les estimateurs à noyau et des plus proches voisins. La présentation témoigne d'un réel souci pédagogique des auteurs qui bénéficient d'une expérience d'enseignement auprès de publics très variés. Les résultats exposés sont replacés dans la perspective de leur utilité pratique grâce à l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous R figurent dans le corps du texte. Enfin, chaque chapitre est complété par une suite d'exercices corrigés. Les codes, les données et les corrections des exercices se trouvent sur le site https : //regression-avec-r.github.io/ Cet ouvrage s'adresse principalement à des étudiants de Master et d'écoles d'ingénieurs ainsi qu'aux chercheurs travaillant dans les divers domaines des sciences appliquées.

Biographie:
Pierre-André Cornillon est Maître de Conférences à l'université Rennes-2-Haute-Bretagne. Nicolas Hengartner est du Los Alamos National Laboratory (USA)

Regression Avec R de Pierre-André Cornillon - Eric Matzner-Lober

Les meilleurs avis sur Régression Avec R de Eric Matzner - Lober Format Grand format < - Livre Mathématiques

Présentation Régression Avec R de Eric Matzner - Lober Format Grand format - Livre Mathématiques

Présentation Régression Avec R de Eric Matzner - Lober Format Grand format
- Livre Mathématiques