Dieses Buch stellt grundlegende und fortgeschrittene Konzepte der kategorialen Regression vor, wobei der Schwerpunkt auf den strukturierenden Komponenten der Regression liegt, einschließlich Regularisierungstechniken zur Strukturierung von Prädiktoren. Neben Standardmethoden wie dem Logit- und Probit-Modell und Erweiterungen multivariater Einstellungen stellt der Autor neuere Entwicklungen in der flexiblen und hochdimensionalen Regression vor, die eine Schwächung von Annahmen über die Strukturierung des Prädiktors und Yield-Fits, die näher an den Daten liegen, ermöglichen. Ein verallgemeinertes lineares Modell wird, wann immer möglich, als vereinheitlichender Rahmen für bestimmte parametrische Modelle verwendet, die innerhalb dieses Rahmens behandelt werden. Viele Themen, die normalerweise nicht in Büchern über kategoriale Datenanalyse enthalten sind, werden hier behandelt, wie z. B. die nichtparametrische Regression; Auswahl von Prädiktoren durch regularisierte Schätzverfahren; ternative Modelle wie das Hürdenmodell und null-überhöhte Regressionsmodelle für Zähldaten; und nicht standardmäßige baumbasierte Ensemble-Methoden. Das Buch wird von einem R-Paket begleitet, das Datasets und Code für alle Beispiele enthält. Sprache: Englisch