Post-Shrinkage Strategies in Statistical and Machine Learning for High Dimensional Data av Syed Ejaz (Prof. of Maths and Statistics Brock Uni.) Ahmed,

Boken "Post-Shrinkage Strategies in Statistical and Machine Learning for High Dimensional Data" av Syed Ejaz Ahmed, professor i matematikk og statistikk ved Brock universitet, presenterer innovative tilnærminger for post-estimering og prediksjonsstrategier som er relevante for en rekke statistiske modeller. Med et sterkt fokus på datavitenskap, kombinerer den statistisk læring med maskinlæring på en unik og optimal måte. Det er velkjent at metoder innen maskinlæring kan være utsatt for ulike problemer knyttet til skjevhet, noe som kan føre til at middel kvadratfeil og prediksjonsfeil øker dramatisk. For å motvirke dette foreslår forfatteren skrumpe-strategier som bidrar til å kontrollere skjevheten ved å kombinere et underliggende modellvalg gjennom en straffemetode med en modell som inneholder mange funksjoner. Videre kan den foreslåtte metoden for skrumpe-strategi med hell implementeres for analyser av høy-dimensjonale data. Mange forskere innen statistikk og medisinske vitenskaper arbeider med store datamengder som krever nøyaktig analyse gjennom statistisk modellering. Nøyaktig estimering av modellparametre er en avgjørende del av dataanalysen, og denne boken kan fungere som et verdifullt oppslagsverk for utvikling av forbedrede estimeringsstrategier for statistikere.