Statistical Learning and Modeling in Data Analysis / Balzano, Simona ; Porzio, Giovanni C. ; Salvatore, Renato ; Vistocco, Domenico ; Vichi, Maurizio  

Público ISBD Ningún comentario para este registro. Título : Statistical Learning and Modeling in Data Analysis : Methods and Applications Tipo de documento: documento electrónico Autores: Balzano, Simona, ; Porzio, Giovanni C., ; Salvatore, Renato, ; Vistocco, Domenico, ; Vichi, Maurizio, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: VIII, 182 p. 40 ilustraciones, 26 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-69944-4 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Estadísticas  Procesamiento de datos  Aprendizaje automático  Estructuras de datos (Informática)  Teoría de la información  Teoría y métodos estadísticos.  Estadística y Computación  Minería de datos y descubrimiento de conocimientos  Estadísticas aplicadas  Estructuras de datos y teoría de la información Clasificación: 519.5 Resumen: Las contribuciones reunidas en este libro se centran en métodos modernos para el aprendizaje y modelado estadístico en el análisis de datos y presentan una serie de interesantes aplicaciones del mundo real. El libro cubre numerosos temas de investigación, que van desde la inferencia y el modelado estadístico hasta los métodos factoriales y de agrupamiento, desde el análisis de datos direccionales hasta el análisis de series temporales y la estimación de áreas pequeñas. Las aplicaciones reflejan nuevos análisis en una variedad de campos, incluidos la medicina, las finanzas, la ingeniería, el marketing y el riesgo cibernético. El libro reúne contribuciones seleccionadas y revisadas por pares presentadas en la 12.ª Reunión Científica del Grupo de Clasificación y Análisis de Datos de la Sociedad Italiana de Estadística (CLADAG 2019), celebrada en Cassino, Italia, del 11 al 13 de septiembre de 2019. CLADAG promueve métodos metodológicos avanzados investigación en estadística multivariada con especial enfoque en el análisis y clasificación de datos, y apoya el intercambio y difusión de ideas, conceptos metodológicos, métodos numéricos, algoritmos y resultados computacionales y aplicados. Este libro, fiel a los objetivos de CLADAG, está dirigido a investigadores y profesionales interesados ​​en los últimos desarrollos y aplicaciones en el campo del análisis y clasificación de datos. Nota de contenido: Chapter 1 - Interpreting Effects in Generalized Linear Modeling (Alan Agresti, Claudia Tarantola, and Roberta Varriale) -- Chapter 2 - ACE, AVAS and Robust Data Transformations: Performance of Investment Funds (Anthony C. Atkinson, Marco Riani, Aldo Corbellini, and Gianluca Morelli) -- Chapter 3 - Predictive Principal Component Analysis (Simona Balzano, Maja Bozic, Laura Marcis, and Renato Salvatore) -- Chapter 4 - Robust model-based learning to discover new wheat varieties and discriminate adulterated kernels in X-ray images (Andrea Cappozzo, Francesca Greselin, and Thomas Brendan Murphy) -- Chapter 5 - A dynamic model for ordinal time series: an application to consumers' perceptions of inflation (Marcella Corduas) -- Chapter 6 - Deep learning to jointly analyze images and clinical data for disease detection (Federica Crobu and Agostino Di Ciaccio) -- Chapter 7 -Studying Affiliation Networks through Cluster CA and Blockmodeling (Daniela D'Ambrosio, Marco Serino, and Giancarlo Ragozini) -- Chapter 8 - Sectioning Procedure on Geostatistical Indices Series of Pavement Road Profiles (Mauro D'Apuzzo, Rose-Line Spacagna, Azzurra Evangelisti, Daniela Santilli, and Vittorio Nicolosi) -- Chapter 9 - Directional supervised learning through depth functions: an application to ECG waves analysis (Houyem Demni) -- Chapter 10 - Penalized vs. contrained approaches for clusterwise linear regression modelling (Roberto Di Mari, Stefano Antonio Gattone, and Roberto Rocci) -- Chapter 11 - Effect measures for group comparisons in a two-component mixture model: a cyber risk analysis (Maria Iannario and Claudia Tarantola) -- Chapter 12 - A Cramér–von Mises test of uniformity on the hypersphere (Eduardo García-Portugués, Paula Navarro-Esteban, and Juan Antonio Cuesta-Albertos) -- Chapter 13 - On mean and/or variance mixtures of normal distributions (Sharon X. Lee and Geoffrey J. McLachlan) -- Chapter 14 - Robust depth-based inference in elliptical models (Stanislav Nagy and Jiří Dvořák) -- Chapter 15 - Latent class analysis for the derivation of marketing decisions: An empirical study for BEV battery manufacturers (Friederike Paetz) -- Chapter 16 - Small Area Estimation Diagnostics: the Case of the Fay-Herriot Model (Maria Chiara Pagliarella) -- Chapter 17 - A comparison between methods to cluster mixed-type data: Gaussian mixtures versus Gower distance (Monia Ranalli and Roberto Rocci) -- Chapter 18 - Exploring the gender gap in Erasmus student mobility flows (Marialuisa Restaino, Ilaria Primerano, and Maria Prosperina Vitale). Tipo de medio : Computadora Summary : The contributions gathered in this book focus on modern methods for statistical learning and modeling in data analysis and present a series of engaging real-world applications. The book covers numerous research topics, ranging from statistical inference and modeling to clustering and factorial methods, from directional data analysis to time series analysis and small area estimation. The applications reflect new analyses in a variety of fields, including medicine, finance, engineering, marketing and cyber risk. The book gathers selected and peer-reviewed contributions presented at the 12th Scientific Meeting of the Classification and Data Analysis Group of the Italian Statistical Society (CLADAG 2019), held in Cassino, Italy, on September 11–13, 2019. CLADAG promotes advanced methodological research in multivariate statistics with a special focus on data analysis and classification, and supports the exchange and dissemination of ideas, methodological concepts, numerical methods, algorithms, and computational and applied results. This book, true to CLADAG's goals, is intended for researchers and practitioners who are interested in the latest developments and applications in the field of data analysis and classification. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Statistical Learning and Modeling in Data Analysis : Methods and Applications [documento electrónico] / Balzano, Simona, ; Porzio, Giovanni C., ; Salvatore, Renato, ; Vistocco, Domenico, ; Vichi, Maurizio,  . -  1 ed.  . - [s.l.] : Springer, 2021 . - VIII, 182 p. 40 ilustraciones, 26 ilustraciones en color. ISBN : 978-3-030-69944-4 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Estadísticas  Procesamiento de datos  Aprendizaje automático  Estructuras de datos (Informática)  Teoría de la información  Teoría y métodos estadísticos.  Estadística y Computación  Minería de datos y descubrimiento de conocimientos  Estadísticas aplicadas  Estructuras de datos y teoría de la información Clasificación: 519.5 Resumen: Las contribuciones reunidas en este libro se centran en métodos modernos para el aprendizaje y modelado estadístico en el análisis de datos y presentan una serie de interesantes aplicaciones del mundo real. El libro cubre numerosos temas de investigación, que van desde la inferencia y el modelado estadístico hasta los métodos factoriales y de agrupamiento, desde el análisis de datos direccionales hasta el análisis de series temporales y la estimación de áreas pequeñas. Las aplicaciones reflejan nuevos análisis en una variedad de campos, incluidos la medicina, las finanzas, la ingeniería, el marketing y el riesgo cibernético. El libro reúne contribuciones seleccionadas y revisadas por pares presentadas en la 12.ª Reunión Científica del Grupo de Clasificación y Análisis de Datos de la Sociedad Italiana de Estadística (CLADAG 2019), celebrada en Cassino, Italia, del 11 al 13 de septiembre de 2019. CLADAG promueve métodos metodológicos avanzados investigación en estadística multivariada con especial enfoque en el análisis y clasificación de datos, y apoya el intercambio y difusión de ideas, conceptos metodológicos, métodos numéricos, algoritmos y resultados computacionales y aplicados. Este libro, fiel a los objetivos de CLADAG, está dirigido a investigadores y profesionales interesados ​​en los últimos desarrollos y aplicaciones en el campo del análisis y clasificación de datos. Nota de contenido: Chapter 1 - Interpreting Effects in Generalized Linear Modeling (Alan Agresti, Claudia Tarantola, and Roberta Varriale) -- Chapter 2 - ACE, AVAS and Robust Data Transformations: Performance of Investment Funds (Anthony C. Atkinson, Marco Riani, Aldo Corbellini, and Gianluca Morelli) -- Chapter 3 - Predictive Principal Component Analysis (Simona Balzano, Maja Bozic, Laura Marcis, and Renato Salvatore) -- Chapter 4 - Robust model-based learning to discover new wheat varieties and discriminate adulterated kernels in X-ray images (Andrea Cappozzo, Francesca Greselin, and Thomas Brendan Murphy) -- Chapter 5 - A dynamic model for ordinal time series: an application to consumers' perceptions of inflation (Marcella Corduas) -- Chapter 6 - Deep learning to jointly analyze images and clinical data for disease detection (Federica Crobu and Agostino Di Ciaccio) -- Chapter 7 -Studying Affiliation Networks through Cluster CA and Blockmodeling (Daniela D'Ambrosio, Marco Serino, and Giancarlo Ragozini) -- Chapter 8 - Sectioning Procedure on Geostatistical Indices Series of Pavement Road Profiles (Mauro D'Apuzzo, Rose-Line Spacagna, Azzurra Evangelisti, Daniela Santilli, and Vittorio Nicolosi) -- Chapter 9 - Directional supervised learning through depth functions: an application to ECG waves analysis (Houyem Demni) -- Chapter 10 - Penalized vs. contrained approaches for clusterwise linear regression modelling (Roberto Di Mari, Stefano Antonio Gattone, and Roberto Rocci) -- Chapter 11 - Effect measures for group comparisons in a two-component mixture model: a cyber risk analysis (Maria Iannario and Claudia Tarantola) -- Chapter 12 - A Cramér–von Mises test of uniformity on the hypersphere (Eduardo García-Portugués, Paula Navarro-Esteban, and Juan Antonio Cuesta-Albertos) -- Chapter 13 - On mean and/or variance mixtures of normal distributions (Sharon X. Lee and Geoffrey J. McLachlan) -- Chapter 14 - Robust depth-based inference in elliptical models (Stanislav Nagy and Jiří Dvořák) -- Chapter 15 - Latent class analysis for the derivation of marketing decisions: An empirical study for BEV battery manufacturers (Friederike Paetz) -- Chapter 16 - Small Area Estimation Diagnostics: the Case of the Fay-Herriot Model (Maria Chiara Pagliarella) -- Chapter 17 - A comparison between methods to cluster mixed-type data: Gaussian mixtures versus Gower distance (Monia Ranalli and Roberto Rocci) -- Chapter 18 - Exploring the gender gap in Erasmus student mobility flows (Marialuisa Restaino, Ilaria Primerano, and Maria Prosperina Vitale). Tipo de medio : Computadora Summary : The contributions gathered in this book focus on modern methods for statistical learning and modeling in data analysis and present a series of engaging real-world applications. The book covers numerous research topics, ranging from statistical inference and modeling to clustering and factorial methods, from directional data analysis to time series analysis and small area estimation. The applications reflect new analyses in a variety of fields, including medicine, finance, engineering, marketing and cyber risk. The book gathers selected and peer-reviewed contributions presented at the 12th Scientific Meeting of the Classification and Data Analysis Group of the Italian Statistical Society (CLADAG 2019), held in Cassino, Italy, on September 11–13, 2019. CLADAG promotes advanced methodological research in multivariate statistics with a special focus on data analysis and classification, and supports the exchange and dissemination of ideas, methodological concepts, numerical methods, algorithms, and computational and applied results. This book, true to CLADAG's goals, is intended for researchers and practitioners who are interested in the latest developments and applications in the field of data analysis and classification. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200