Statistische Analyse komplexer Daten

Statistisches Lernen (SL) ist die Untersuchung der verallgemeinerbaren Extraktion von Wissen aus Daten (Friedman et al. 2001). Das Konzept des Lernens wird verwendet, wenn kein menschliches Fachwissen vorhanden ist, wenn Menschen nicht in der Lage sind, ihr Fachwissen zu erklären, wenn sich die Lösung im Laufe der Zeit ändert und wenn die Lösung an bestimmte Fälle angepasst werden muss. Die wichtigsten Algorithmen, die in der SL verwendet werden, werden in folgende Kategorien eingeteilt: überwachtes Lernen (z. B. Regression und Klassifizierung), unüberwachtes Lernen (z. B. Assoziation und Clustering) und halbüberwachtes Lernen, bei dem sowohl markierte als auch unmarkierte Beispiele kombiniert werden, um eine geeignete Funktion oder einen Klassifikator zu erstellen. Dieser Forschungsidee folgend, bieten wir in diesem Buch einen guten Überblick über die neueren statistischen Modelle, die zur Lösung des kürzlich diskutierten Dimensionalitätsproblems verwendet werden.

Autorentext

Dr. Mario Fordellone ist Lehrbeauftragter an der LUISS-Universität Rom und Forschungsstipendiat an der La Sapienza. Er hat seine Fähigkeiten in Statistik, Forschung, mathematischer Modellierung und Programmierung unter Beweis gestellt.