Statistical Learning of Complex Data / Greselin, Francesca ; Deldossi, Laura ; Bagnato, Luca ; Vichi, Maurizio  

Público ISBD Ningún comentario para este registro. Título : Statistical Learning of Complex Data Tipo de documento: documento electrónico Autores: Greselin, Francesca, ; Deldossi, Laura, ; Bagnato, Luca, ; Vichi, Maurizio, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XIII, 201 p. 37 ilustraciones, 11 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-21140-0 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  Investigación cuantitativa  Teoría y métodos estadísticos.  Estadística y Computación  Minería de datos y descubrimiento de conocimientos  Estadísticas aplicadas  Análisis de datos y Big Data Clasificación: 519.5 Resumen: Este libro de contribuciones revisadas por pares presenta los últimos hallazgos en clasificación, aprendizaje estadístico, análisis de datos y áreas relacionadas, incluida la clasificación supervisada y no supervisada, agrupación, análisis estadístico de datos de tipo mixto, análisis de big data, modelado estadístico, modelos gráficos y redes sociales. redes. Abarca tanto aspectos metodológicos como aplicaciones a una amplia gama de campos como la economía, la arquitectura, la medicina, la gestión de datos, el comportamiento del consumidor y la brecha de género. Además, describe las características básicas del software detrás de los resultados del análisis de datos y proporciona enlaces a los códigos y conjuntos de datos correspondientes cuando sea necesario. Este libro está dirigido a investigadores y profesionales interesados ​​en los últimos desarrollos y aplicaciones en el campo del análisis y clasificación de datos. Reúne contribuciones seleccionadas y revisadas por pares presentadas en la 11.ª Reunión Científica del Grupo de Clasificación y Análisis de Datos de la Sociedad Italiana de Estadística (CLADAG 2017), celebrada en Milán, Italia, del 13 al 15 de septiembre de 2017. Nota de contenido: Preface -- Contributors -- Part I Clustering and Classification -- 1.1 Cluster Weighted Beta Regression: a simulation study -- 1.2 Detecting wine adulterations employing robust mixture of Factor Analyzers -- 1.3 Simultaneous supervised and unsupervised classification modeling for assessing cluster analysis and improving results interpretability -- 1.4 A parametric version of probabilistic distance clustering -- 1.5 An overview on the URV Model-Based Approach to Cluster Mixed-Type Data -- Part II Exploratory Data Analysis -- 2.1 Preference Analysis of Architectural Facades by Multidimensional Scaling and Unfolding -- 2.2 Community Structure in Co-authorship Networks: the Case of Italian Statisticians -- 2.3 Analyzing Consumers' Behaviour in Brand Switching -- 2.4 Evaluating the Quality of Data Imputation in Cardiovascular Risk studies Through the Dissimilarity Profile Analysis -- Part III Statistical Modeling -- 3.1 Measuring Economic Vulnerability: a Structural Equation Modeling Approach -- 3.2 Bayesian Inference for a Mixture Model on the Simplex -- 3.3 Stochastic Models for the Size Distribution of Italian Firms: A Proposal -- 3.4 Modeling Return to Education in Heterogeneous Populations. An application to Italy -- 3.5 Changes in Couples' Bread-winning Patterns and Wife's Economic Role in Japan from 1985 to 2015 -- 3.6 Weighted Optimization with Thresholding for Complete-Case Analysis -- Part IV Graphical Models -- 4.1 Measurement Error Correction by NonParametric Bayesian Networks: Application and Evaluation -- 4.2 Copula Grow-Shrink Algorithm for Structural Learning -- 4.3 Context-Specific Independencies Embedded in Chain Graph Models of Type I -- Part V Big Data Analysis -- 5.1 Big Data and Network Analysis: A combined Approach to Model Online News -- 5.2 Experimental Design Issues in Big Data. The Question of Bias. Tipo de medio : Computadora Summary : This book of peer-reviewed contributions presents the latest findings in classification, statistical learning, data analysis and related areas, including supervised and unsupervised classification, clustering, statistical analysis of mixed-type data, big data analysis, statistical modeling, graphical models and social networks. It covers both methodological aspects as well as applications to a wide range of fields such as economics, architecture, medicine, data management, consumer behavior and the gender gap. In addition, it describes the basic features of the software behind the data analysis results, and provides links to the corresponding codes and data sets where necessary. This book is intended for researchers and practitioners who are interested in the latest developments and applications in the field of data analysis and classification. It gathers selected and peer-reviewed contributions presented at the 11th Scientific Meeting of the Classification and Data Analysis Group of the Italian Statistical Society (CLADAG 2017), held in Milan, Italy, on September 13–15, 2017. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Statistical Learning of Complex Data [documento electrónico] / Greselin, Francesca, ; Deldossi, Laura, ; Bagnato, Luca, ; Vichi, Maurizio,  . -  1 ed.  . - [s.l.] : Springer, 2019 . - XIII, 201 p. 37 ilustraciones, 11 ilustraciones en color. ISBN : 978-3-030-21140-0 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  Investigación cuantitativa  Teoría y métodos estadísticos.  Estadística y Computación  Minería de datos y descubrimiento de conocimientos  Estadísticas aplicadas  Análisis de datos y Big Data Clasificación: 519.5 Resumen: Este libro de contribuciones revisadas por pares presenta los últimos hallazgos en clasificación, aprendizaje estadístico, análisis de datos y áreas relacionadas, incluida la clasificación supervisada y no supervisada, agrupación, análisis estadístico de datos de tipo mixto, análisis de big data, modelado estadístico, modelos gráficos y redes sociales. redes. Abarca tanto aspectos metodológicos como aplicaciones a una amplia gama de campos como la economía, la arquitectura, la medicina, la gestión de datos, el comportamiento del consumidor y la brecha de género. Además, describe las características básicas del software detrás de los resultados del análisis de datos y proporciona enlaces a los códigos y conjuntos de datos correspondientes cuando sea necesario. Este libro está dirigido a investigadores y profesionales interesados ​​en los últimos desarrollos y aplicaciones en el campo del análisis y clasificación de datos. Reúne contribuciones seleccionadas y revisadas por pares presentadas en la 11.ª Reunión Científica del Grupo de Clasificación y Análisis de Datos de la Sociedad Italiana de Estadística (CLADAG 2017), celebrada en Milán, Italia, del 13 al 15 de septiembre de 2017. Nota de contenido: Preface -- Contributors -- Part I Clustering and Classification -- 1.1 Cluster Weighted Beta Regression: a simulation study -- 1.2 Detecting wine adulterations employing robust mixture of Factor Analyzers -- 1.3 Simultaneous supervised and unsupervised classification modeling for assessing cluster analysis and improving results interpretability -- 1.4 A parametric version of probabilistic distance clustering -- 1.5 An overview on the URV Model-Based Approach to Cluster Mixed-Type Data -- Part II Exploratory Data Analysis -- 2.1 Preference Analysis of Architectural Facades by Multidimensional Scaling and Unfolding -- 2.2 Community Structure in Co-authorship Networks: the Case of Italian Statisticians -- 2.3 Analyzing Consumers' Behaviour in Brand Switching -- 2.4 Evaluating the Quality of Data Imputation in Cardiovascular Risk studies Through the Dissimilarity Profile Analysis -- Part III Statistical Modeling -- 3.1 Measuring Economic Vulnerability: a Structural Equation Modeling Approach -- 3.2 Bayesian Inference for a Mixture Model on the Simplex -- 3.3 Stochastic Models for the Size Distribution of Italian Firms: A Proposal -- 3.4 Modeling Return to Education in Heterogeneous Populations. An application to Italy -- 3.5 Changes in Couples' Bread-winning Patterns and Wife's Economic Role in Japan from 1985 to 2015 -- 3.6 Weighted Optimization with Thresholding for Complete-Case Analysis -- Part IV Graphical Models -- 4.1 Measurement Error Correction by NonParametric Bayesian Networks: Application and Evaluation -- 4.2 Copula Grow-Shrink Algorithm for Structural Learning -- 4.3 Context-Specific Independencies Embedded in Chain Graph Models of Type I -- Part V Big Data Analysis -- 5.1 Big Data and Network Analysis: A combined Approach to Model Online News -- 5.2 Experimental Design Issues in Big Data. The Question of Bias. Tipo de medio : Computadora Summary : This book of peer-reviewed contributions presents the latest findings in classification, statistical learning, data analysis and related areas, including supervised and unsupervised classification, clustering, statistical analysis of mixed-type data, big data analysis, statistical modeling, graphical models and social networks. It covers both methodological aspects as well as applications to a wide range of fields such as economics, architecture, medicine, data management, consumer behavior and the gender gap. In addition, it describes the basic features of the software behind the data analysis results, and provides links to the corresponding codes and data sets where necessary. This book is intended for researchers and practitioners who are interested in the latest developments and applications in the field of data analysis and classification. It gathers selected and peer-reviewed contributions presented at the 11th Scientific Meeting of the Classification and Data Analysis Group of the Italian Statistical Society (CLADAG 2017), held in Milan, Italy, on September 13–15, 2017. 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