Bayesian Methods for Nonlinear Classification and Regression

1. Auflage 2002
ISBN: 978-0-471-49036-4
Verlag: Wiley

Buch, Englisch, 296 Seiten, Format (B × H): 161 mm x 240 mm, Gewicht: 613 g

Bei der Regressionsanalyse von Datenmaterial erhält man leider selten lineare oder andere einfache Zusammenhänge (parametrische Modelle). Dieses Buch hilft Ihnen, auch komplexere, nichtparametrische Modelle zu verstehen und zu beherrschen. Stärken und Schwächen jedes einzelnen Modells werden durch die Anwendung auf Standarddatensätze demonstriert. Verbreitete nichtparametrische Modelle werden mit Hilfe von Bayes-Verfahren in einen kohärenten wahrscheinlichkeitstheoretischen Zusammenhang gebracht.

Autoren/Hrsg.

Denison, David G T

Holmes, Christopher C

Mallick, Bani K

Smith, Adrian F M

Fachgebiete

• Mathematik | Informatik Mathematik Stochastik Mathematische Statistik
• Mathematik | Informatik Mathematik Stochastik Wahrscheinlichkeitsrechnung
• Mathematik | Informatik Mathematik Mathematische Analysis

Inhaltsverzeichnis

Preface

Acknowledgements.

Introduction

Bayesian Modelling

Curve Fitting

Surface Fitting

Classification using Generalised Nonlinear Models

Bayesian Tree Models

Partition Models

Nearest-Neighbour Models

Multiple Response Models

Appendix A: Probability Distributions

Appendix B: Inferential Processes

References

Index

Author Index

Über Autor(innen)

David G. T. Denison and Christopher C. Holmes are the authors of Bayesian Methods for Nonlinear Classification and Regression, published by Wiley.