• Produktbild: Regression and Machine Learning for Education Sciences Using R
  • Produktbild: Regression and Machine Learning for Education Sciences Using R

Regression and Machine Learning for Education Sciences Using R

221,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

01.11.2024

Abbildungen

schwarz-weiss Illustrationen, Raster, schwarz-weiss, Zeichnungen, schwarz-weiss, Tabellen, schwarz-weiss

Verlag

Taylor & Francis

Seitenzahl

360

Maße (L/B/H)

23,5/15,7/2,5 cm

Gewicht

680 g

Sprache

Englisch

ISBN

978-1-03-251008-8

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

01.11.2024

Abbildungen

schwarz-weiss Illustrationen, Raster, schwarz-weiss, Zeichnungen, schwarz-weiss, Tabellen, schwarz-weiss

Verlag

Taylor & Francis

Seitenzahl

360

Maße (L/B/H)

23,5/15,7/2,5 cm

Gewicht

680 g

Sprache

Englisch

ISBN

978-1-03-251008-8

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: gpsr@libri.de

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

Die Leseprobe wird geladen.
  • Produktbild: Regression and Machine Learning for Education Sciences Using R
  • Produktbild: Regression and Machine Learning for Education Sciences Using R
  • A brief introduction to R and R Studio Part 1: Regression models: foundation of machine learning Chapter 01: First thing first: simple regression Chapter 02: Beyond simple: multiple regression analysis Chapter 03: It takes two to tangle: regression with interactions Chapter 04: Are we thinking correctly? Checking assumptions of regression model Chapter 05: I am not straight but robust: curvilinear Robust and quantile regression Chapter 06: Predicting the class probability: logistic regression model Part 2: Machine learning: classification and predictive modeling Chapter 07: Introduction to machine learning Chapter 08. Machine learning algorithms and process Chapter 09. Let me regulate: regularized machine learning Chapter 10. Finding ways in the forest: prediction with random forest Chapter 11. I can divide better: classification with support vector machine Chapter 12. Work like a human brain: artificial neural network Chapter 13. Desire to find causal relations: bayesian network Chapter 14. We want to see the relationships: multivariate data visualization