Supervised and Unsupervised Statistical Data Analysis (eBook)
354 Seiten
Springer (Verlag)
978-3-032-03042-9 (ISBN)
The contributions in this book offer new insights into the theoretical and practical challenges of supervised and unsupervised learning, highlighting the remarkable breadth of contemporary statistical research while maintaining methodological rigor. Innovative approaches to statistical modeling, addressing spatial dependencies and circular data structures, are presented alongside significant advances in interpretable machine learning that reconcile statistical precision with algorithmic transparency. Particularly noteworthy is the volume’s treatment of complex data structures, including novel methods for network analysis, high-dimensional clustering, temporal pattern recognition and optimization techniques. The volume interweaves methodological innovation and practical relevance, and the applications span diverse domains, including the social sciences and biomedical engineering, each demonstrating the effective translation of statistical theory into real-world impact.
The book contains peer-reviewed contributions presented at the special edition of the 15th Scientific Meeting of the Classification and Data Analysis Group of the Italian Statistical Society, namely the International Scientific Joint Meeting of the Italian and Dutch-Flemish Classification Societies (CLADAG-VOC 2025), held in Naples, Italy, September 8–10, 2025. The conference provided fresh perspectives on the current state of research in clustering, classification and data analysis, and underpinned the value and significance of international collaboration, addressing the emerging needs of an increasingly complex data landscape and offering novel solutions to long-standing challenges in statistical data analysis.
| Erscheint lt. Verlag | 9.10.2025 |
|---|---|
| Reihe/Serie | Studies in Classification, Data Analysis, and Knowledge Organization |
| Zusatzinfo | IX, 354 p. 76 illus., 59 illus. in color. |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Informatik ► Datenbanken |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Mathematik / Informatik ► Mathematik ► Statistik | |
| Mathematik / Informatik ► Mathematik ► Wahrscheinlichkeit / Kombinatorik | |
| Schlagworte | classification • Clustering • Complex Data • Data Analysis • Data Science • machine learning • Statistical Learning • Statistical Modelling • supervised learning • Unsupervised Learning |
| ISBN-10 | 3-032-03042-0 / 3032030420 |
| ISBN-13 | 978-3-032-03042-9 / 9783032030429 |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
