High-Dimensional Covariance Estimation

High-Dimensional Covariance EstimationНажми для увеличения фото

Рекомендательный сервис

  • Общий рейтинг 4.79
  • Рейтинг покупателей 3.91
  • Рейтинг экспертов 4.77
  • Качество материалов 4.93
  • Надежность 4.77
  • Простота в использовании 4.37
  • Ремонтопригодность 4.11
  • Эффективность выполнения своих функций 4.19
  • Коэффициент удивления "Вау!" 4.79
  • Безопасность для пользователя4.17
  • Внешний вид 4.17
  • Удобство в уходе и чистке 4.31
  • Экологическая безопасность 4.70
  • Гарантия на товар 4.33
  • Соответствие стандартам качества 4.77
  • Инновационные технологии 4.30
  • Хит продаж 4.79
  • Скорость морального устаревания 4.91
  • Энергоэффективность 4.17
  • Универсальность использования 4.99
  • Наличие дополнительных функций 4.30
  • Соотношение цена-качество 3.73
  • Практичность и удобство хранения 4.97
  • Стабильность работы в различных условиях 4.01
  • Возможность персонализации 4.09
  • Ликвидность 4.17
  • Индекс рекомендаций 3.33
Methods for estimating sparse and large covariance matrices Covariance and correlation matrices play fundamental roles in every aspect of the analysis of multivariate data collected from a variety of fields including business and economics, health care, engineering, and environmental and physical sciences. High-Dimensional Covariance Estimation provides accessible and comprehensive coverage of the classical and modern approaches for estimating covariance matrices as well as their applications to the rapidly developing areas lying at the intersection of statistics and machine learning. Recently, the classical sample covariance methodologies have been modified and improved upon to meet the needs of statisticians and researchers dealing with large correlated datasets. High-Dimensional Covariance Estimation focuses on the methodologies based on shrinkage, thresholding, and penalized likelihood with applications to Gaussian graphical models, prediction, and mean-variance portfolio management. The book relies heavily on regression-based ideas and interpretations to connect and unify many existing methods and algorithms for the task. High-Dimensional Covariance Estimation features chapters on: Data, Sparsity, and Regularization Regularizing the Eigenstructure Banding, Tapering, and Thresholding Covariance Matrices Sparse Gaussian Graphical Models Multivariate Regression The book is an ideal resource for researchers in statistics, mathematics, business and economics, computer sciences, and engineering, as well as a useful text or supplement for graduate-level courses in multivariate analysis, covariance estimation, statistical learning, and high-dimensional data analysis.
Информация о характеристиках, комплекте поставки, стране изготовления, внешнем виде и цвете товара носит справочный характер и взятая из открытых источников.
High-Dimensional Covariance Estimation продается в интернет-магазине ЛитРес
Эксперт: Ринат К., ассистент по интернет-покупкам
Дата рецензии: 8 января 2026 года
Рекомендация к покупке нейтральная

Доставка покупки

    • В электронном виде;
    • Читать онлайн;
    • Скачать на компьютер или мобильные устройства.

Оплата заказа

    • Банковской картой;
    • электронными деньгами Яндекс-Деньги; WebMoney, Qiwi Кошелек, PayPal;
    • Наличными через терминалы;
    • Банковским переводом.
  • Наименование: ООО «ЛитРес»
  • ИНН: 7719571260

Часто задаваемые вопросы

Оплатить покупку возможно банковскими картами, банковским переводом, наличными при получении. Перечень всех способов оплаты доступен при оформлении заказа.
Да, в соответствии с законом «О защите прав потребителей» вы можете вернуть товар надлежащего качества в течение 14 дней с момента покупки, если он не был в употреблении, сохранены упаковка, ярлыки и товарный вид, и при этом не входит в перечень товаров, не подлежащих возврату или обмену (утверждённый Постановлением Правительства РФ №55).
На большинство товаров предоставляется гарантия от производителя. Срок гарантии указан в описании товара.

Рекомендуем аналогичные товары

Дополнительно из категории