Régression Avec Python de Eric Matzner-Lober Format Grand format

Régression Avec Python - Eric Matzner-Lober

Collection: Pratique R
Format: Grand format

Note : 0

Soyez le premier à donner un avis

Prix neuf 34,00 €

Qu'est-ce que le prix barré ?

C'est le prix de vente au public, fixé par l'éditeur ou l'importateur, pour le même article neuf.

32,30 €

Occasion · Comme Neuf

Ou 8,08 € /mois

Livraison : 3,49 €
Livré entre le 18 et le 23 septembre

Voir les modes de livraison

PRO Vendeur favori

4,6/5 sur + de 1 000 ventes

envoi soign¿ entre 2 et 5 jours ouvr¿s

Voir le détail de l'annonce

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 :

Avis sur Régression Avec Python de Eric Matzner - Lober Format Grand format - Livre Mathématiques

Note : 0 0 avis sur Régression Avec Python de Eric Matzner - Lober Format Grand format - Livre Mathématiques

Donnez votre avis

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

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

Livre Mathématiques - Eric Matzner-Lober - 15/05/2025 - 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 : 15/05/2025

Nombre de pages : 406.0

Expédition : 616

Dimensions : 23.5 x 15.4 x 2.1

ISBN : 9782759824328

Résumé :
Cet ouvrage expose de manière détaillée et exemples à l'appui, différentes façons de répondre à un des problèmes statistiques les plus courants : la régression. Cette nouvelle édition se décompose en 4 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, elastic-net ou ridge) et sur composantes (PLS ou PCR) sont notamment proposées. Un dernier chapitre propose des algorithmes, basés sur des méthodes de ré-échantillonnage comme l'apprentissage/validation ou la validation croisée, qui permettent d'établir une comparaison entre toutes ces méthodes. Enfin la quatrième et dernière partie se concentre sur les modèles linéaires généralisés et plus particulièrement sur les régressions logistiques 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 (Youden, 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.

Biographie:
Pierre-André Cornillon est Maître de Conférences à l'université Rennes-2-Haute-Bretagne.

Détails de conformité du produit

Consulter les détails de conformité de ce produit (

Personne responsable dans l'UE

)

Régression Avec Python - Eric Matzner-Lober

Avis sur Régression Avec Python de Eric Matzner - Lober Format Grand format - Livre Mathématiques

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

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