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

Público ISBD Ningún comentario para este título. 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. 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: 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. 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. 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: 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. 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