Este livro descreve as ideias importantes em uma variedade de campos, como medicina, biologia, finanças e marketing, em um quadro conceitual comum.. Embora a abordagem seja estatística, a ênfase está nos conceitos, e não na matemática.. Muitos exemplos são dados, com um uso liberal de gráficos coloridos. É um recurso valioso para estatísticos e qualquer pessoa interessada em mineração de dados na ciência ou na indústria. A cobertura do livro é ampla, desde o aprendizado supervisionado (previsão) para aprendizado não supervisionado. Os muitos tópicos incluem redes neurais, máquinas de vetores de suporte, árvores de classificação e boosting---o primeiro tratamento abrangente deste tópico em qualquer livro.
Esta nova edição principal apresenta muitos tópicos não abordados na original, incluindo modelos gráficos, florestas aleatórias, métodos de ensemble, regressão por ângulo mínimo e algoritmos de caminho para o lasso, fatoração de matrizes não negativas e clustering espectral.. Há também um capítulo sobre métodos para dados "largos" (p maior que n), incluindo testes múltiplos e taxas de descoberta falsa.
Sobre o autor
Trevor Hastie, Robert Tibshirani e Jerome Friedman são professores de estatística na Universidade de Stanford. Eles são pesquisadores proeminentes nesta área: Hastie e Tibshirani desenvolveram modelos aditivos generalizados e escreveram um livro popular com esse título.. Hastie codesenvolveu grande parte do software e ambiente de modelagem estatística em R/S-PLUS e inventou curvas e superfícies principais.. Tibshirani propôs o lasso e é coautor do muito bem-sucedido An Introduction to the Bootstrap.
