„A Computational Approach to Statistical Learning“ bietet eine neuartige Einführung in die prädiktive Modellierung mit Schwerpunkt auf den algorithmischen und numerischen Grundlagen gängiger statistischer Methoden. Der Text enthält kommentierten Code für über 80 Originalreferenzfunktionen. Diese Funktionen bieten minimale Arbeitsimplementierungen gängiger statistischer Lernalgorithmen. Jedes Kapitel schließt mit einer vollständig ausgearbeiteten Anwendung, die prädiktive Modellierungsaufgaben anhand eines realen Datensatzes veranschaulicht. Der Text beginnt mit einer detaillierten Analyse linearer Modelle und der Methode der kleinsten Quadrate. Die folgenden Kapitel untersuchen Erweiterungen wie Ridge-Regression, verallgemeinerte lineare Modelle und additive Modelle. Die zweite Hälfte konzentriert sich auf die Verwendung allgemeiner Algorithmen für konvexe Optimierung und deren Anwendung auf Aufgaben des statistischen Lernens. Zu den behandelten Modellen gehören das elastische Netz, dichte neuronale Netze, Convolutional Neural Networks (CNNs) und spektrale Clusterbildung. Ein verbindendes Thema des gesamten Textes ist die Verwendung der Optimierungstheorie bei der Beschreibung prädiktiver Modelle mit besonderem Schwerpunkt auf der Singulärwertzerlegung (SVD). Durch dieses Thema motiviert und verdeutlicht der rechnerische Ansatz die Beziehungen zwischen verschiedenen Vorhersagemodellen. . Sprache: Englisch